Yapısal Mühendislikte Akıllı Sensörlerin Geliştirilmesi için Çok-objective Optimizasyon

Yapısal sağlık izleme (SHM) modern sivil mühendisliğin temel taşı haline geldi, köprülerin sürekli değerlendirmesine izin verdi, binalar, barajlar, tüneller ve diğer kritik altyapıyı tasarlarken, akıllı sensörlerin gelişi - algılama yeteneğine sahip olan, işleme ve iletişim verileriyle iletişim kurma yeteneğine sahip oldu - uzun süreli denetimlere dönüştürülmelidir.Bu akıllı sensörler, çok sayıdaki optimizasyona ve daha akıllı iletişim kurmaca yardımcı olur.

Multi-objective Optimizasyonun Temelleri

Multi-objective optimizasyon, tek bir “en iyi” çözümü arayan, MOO, genellikle bir hedefin daha kötüye kullanıldığı sorunları olan matematiksel optimizasyonun bir koludur.Bir sensör (en iyileştirici bir optimizasyon) aynı anda en aza indirmek için bir sensör oranını artırmak, enerji verimliliğini artırmak (en iyileştirici enerji verimliliği) MOO'nun amacı, tek bir optimal tasarım bulmak değildir, ancak Pareto cephesi olarak bilinen bir uzlaşmayı geliştirmektir.

Pareto Optimality

Bir çözüm Pareto optimal (veya non-dominated) eğer başka bir uygun çözüm mevcut değilse, en azından bir başka hedef olmadan bir amacı geliştirir. Tüm bu kadar düşük maliyetli çözümler koleksiyonu Pareto cephesini oluşturur. Karar vericiler daha sonra cephede ticaret-offları inceleyebilir ve proje öncelikleriyle en iyi uyum sağlayan tasarımları seçebilirler - örneğin, büyük ölçekli bir dağıtım için bir sensör seçmek için önemli ölçüde daha düşük maliyet.

Common Algorithms ve Yaklaşımlar

Birçok algoritma Pareto cephelerini verimli bir şekilde üretmek için geliştirildi. En yaygın kullanılan yöntemler NSGA-II (Non-dominated Sorting Genetic Algorithm II) ve MOEA/D (Multi-Objective Evolutionary Algoritma) gibi evrimsel algoritmaların tasarım alanını, keşif ve sömürüyü keşfetmesi için algoritmalar. Diğer yaklaşımlar ağırlıklandırılmış yöntemler içerir.

Akıllı Sensör Geliştirmede Anahtar Hedefler

Yapısal mühendislik için akıllı bir sensör geliştirmek, bir dizi performans ölçümlerini optimize etmeyi içerir.Bu metriklerin göreceli önemi uygulama tarafından değişirken, aşağıdaki hedefler neredeyse her zaman mevcut:

Doğru ve Hassasiyet

Bir sensör fiziksel miktarları güvenilir bir şekilde ölçülmelidir -strain, ivme, yer değiştirme, sıcaklık, korozyon - bilinen belirsizlikle. Doğrudan SHM verilerinin güvenilirliğini etkiler ve sonraki kararların (örneğin, bir uyarı veya zamanlama bakımı) diğer hedefleri tutmak için izin vermek isterler.

Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet Maliyet

Maliyet, ilk üretim masraflarını, yükleme işini, bakım ve etkinliksel değişimi kapsar. Büyük ölçekli dağıtımlar için - yüzlerce algılama düğümü ile köprü - sensör için maliyet hala yeterli çevresel koruma sağlar. MOO, düşük maliyetli tasarımları tespit etmeye yardımcı olur. Bu, düşük maliyetli bileşenleri kullanarak telafi etmek gibi ticari-offları içerir - gelişmiş sinyal işleme algoritmaları ile bir köprü gibi veya daha az pahalı bir paketleme malzemesi seçmek için uygun bir çevresel koruma sağlar.

Durability ve Reliability

Altyapıda kullanılan sensörler sert koşullara dayanmalıdır: aşırı sıcaklıklar, nem, vibrasyon, kimyasal saldırı ve bazen alt düzeye çıkar. Durability, sensörün hataları (MTBF) ve ömrü boyunca zaman boyunca ölçülmesi anlamına gelir. Enerji-harvesting sistemleri, korozyon-seçimleri ve kırmızı parçalar tüm dayanıklılıkları artırır, ancak bu iyileştirmeler diğer hedeflere karşı daha uzun vadeli performansları garanti altına almak için diğer amaçlara karşı dengeler sağlar.

Enerji Verimliliği

Birçok akıllı sensörler bataryaya güçlü veya enerji hasatına güveniyor (solar, vibrasyon, termal). Güç tüketimi batarya yedek veya yeniden yükleme için bakım aralığı belirler, bu özellikle uzaktan veya ulaşılamaz yerlerde yüklenen sensörler için kritiktir. Low-power elektronik, görev-cycling, ve verimli kablosuz iletişim protokolleri (örneğin, LoRaWAN, NB-IoT) yaygın stratejilerdir.

Ek Hedefler Ek Hedefler Ek Hedefler

Uygulamaya bağlı olarak, diğer hedefler şunları içerebilir:

[FONT:0)Size ve Kilo[DÜT:1): Retrofit uygulamaları veya betonda gömülmek için, kompakt form faktörleri gereklidir.
[FONT:0)Band genişlik ve Latency[[Dönetici: Gerçek zamanlı izleme düşük çözünürlük veri iletimi gerektirir; yüksek frekanslı vibrasyon izleme yüksek bant genişliği talep eder.
[FONT=0]Stoperability): Sensörler mevcut SHM platformları ve iletişim standartları ile entegre edilmelidir (örneğin MQTT, REST APIs).
[FONT:0]Scalability: Tasarım büyük ağlarda dağıtmak için üretilebilir ve kolay olmalıdır.

Sensör Tasarımına Çok Daha Az Ölçleme Optimizasyonu Uygulayın

MOO'yu akıllı sensör geliştirme sürecinde kullanma süreci yapısal bir iş akışı takip ediyor:

[FONT:0)Define Hedefleri ve Kıtlamalar[[Dönler: Mühendisler birincil performans ölçümlerini tanımlamak için paydaşları ile işbirliği yaparlar (örneğin, en düşük maliyet, en yüksek ağırlık, minimum örnekleme oranı veya sertifika standartları da belirtilmiştir.
[FONT=0) Sensör Sistemi[[Dönetici: Bir matematiksel veya simülasyon modeli tasarım değişkenleri (örneğin, sensör tipi, örnekleme oranı, malzeme seçimi, devre topoloji) ile hedeflere yönelik olarak inşa edilmiştir.
[FONT:0)Run Optimizasyonu[[[Dönetici: 1 ): Bir MOO algoritması tasarım alanını araştırmak ve modellememiş çözümler seti üretmek için idam edilmiştir. Model karmaşıklığına bağlı olarak, bu binlerce veya milyonlarca değerlendirme içerebilir.
[[Düzücüler [Döneticiler: 0,4]: Pareto cephesi görselleştirilmiş (örneğin, paralel koordinatlar) uzlaşmaları anlamak için tasarlanmıştır. Karar vericiler tercihler uygular - örneğin, minimum kabul edilebilir bir doğruluk - ön filtre.
[FONT:0]Validation ve Refinement[DÜT:1): Küçük sayıda umut verici tasarım prototiplenmiş ve test edilmiştir. Model ampirik verilerle kalibre edilir ve optimizasyon döngüsü tekrarlanabilir.

Örnek: Multi-objective Sensör Yeriment

Bir klasik uygulama, bir yapıdaki sınırlı sayıda sensör için en uygun yerleri belirlemektir. Hedefler, yapı sağlığı hakkında elde edilen bilgileri en yüksek olasılıkla tespit eder (örneğin, 12 sensörle hasar tespit eder) ve yeterli kapsama sağlar. MOO, Papadopoulos ve Garcia'nın her biri için farklı bir ticaret yapma olanağı sağlar.

Örnek: Materyal ve Kompiyon Seçimi

Kablosuz bir titreşim sensörü tasarlarken, bir mühendis mikrokontrolör, hızlayıcı, akü, kablosuz modül ve muhafaza. Her bir bileşen seçimi maliyet, güç tüketimi, doğruluk ve boyutsal olarak bu ayrımı optimize ederek, bu yaklaşımın tasarım değişkenleri olarak ve çok yönlü bir optimize edici olduğunu ortaya koyar, Pareto cephesi ultra-düşük güç mikrokontrollü mikro kontrol cihazı ile bir araya gelir.Bu yaklaşım, tasarım sürecini ve yüzeyleri optimize eder ve manuel olmayan ticari olmayan ticari-sonuçsuz ticaret-offları gider.

Vaka Çalışmaları ve Gerçek Dünya Uygulamaları

MOO, birkaç önemli altyapı projesi için akıllı sensörler geliştirmek için başarıyla uygulandı. Aşağıdaki örnekler pratik değerini göstermektedir:

Bridge Health Watch with Wireless Sensör Networks

Altın Kapı Köprüsü'nde kurulan büyük ölçekli kablosuz sensör ağı, veri iletimi güvenilirliği ile sensör yoğunluğunu dengelemek için çok fazla uyumlu bir optimizasyon kullandı. Optimizasyon, uzaysal kapsama (accuracy), ve yükleme maliyetinin % 30'u oranında azaltabildiğini gösterdi. Sonuç olarak, yüksek hacimli bir ağ oluşturmak için 120 düğümler, geniş çaplı izleme için daha düşük maliyetli kablosuz düğümler ile kritik noktalarda [Dönetici).Proje, MOO'nun algılamayı % 0,0NIST'nin SHM programını [FONTD) ile% 1'i bir araya getirerek toplam sensörle toplam sensörle ilgili olarak % 0,0'i azaltabileceğini gösterdi.

Uzak Altyapı için Enerji-harvesting Sensör Nodes for Distance Infrastructure

Norveç'te bir tünel izleme sistemi, araştırmacılar MOO'yu, çevresel titreşimlerden enerji elde eden bir sensör tasarlayarak kullandılar. Hedefler, hasat edilen güç, en aza indirmek için en az 10 cm3. Bu çözüm, farklı trafik yükleri altında veri iletiminin güvenilirliğini en iyi şekilde bulmak mümkün olurdu.

Entegre Yapısal ve Çevresel İzleme

Modern akıllı sensörler genellikle birden çok algılama yöntemleri birleştirir (strain, sıcaklık, nem, korozyon) tek bir pakette bir sensör tasarlamaya yardımcı olur. MOO, düşük güç kaydı ile en iyi çoklu frekanslama stratejisi ve veri füzyon algoritmasını belirlemeye yardımcı olur. Örneğin, çok-objective bir yaklaşım, bir otoyol köprüsünde ortakları izleme için bir sensör tasarlamak için kullanılmıştır.

Meydanlar ve Gelecek Yollar

MOO, sensör tasarımı için güçlü araçlar sunarken, birkaç zorluk kalır:

C ⁇ Kompleksiity

Yüksek sadakat modelleri (örneğin, Gaussian süreçleri) ve çok fazla sadakat yaklaşımı, bir sensörin mekanik davranışının sonlu elemanlar simülasyonları) bu sorunu yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaştır.

Uncertainty ve Robustness

Gerçek dünya koşulları belirsizdir: malzeme özellikleri değişir, çevresel yükler stokastik ve sensör üretim toleransları var.Deterministic MOO bu belirsizler için dikkate alındığında kırılgan olan bir Pareto cephesi verebilir. Robust multi-objective optimizasyon ve güvenilirlik tabanlı tasarım optimizasyonu (RBDO) objektif işlevlerine belirsizlik içeren alanlarda ortaya çıkıyor, ancak kağıt üzerinde en uygun olmayan tasarımları üretebiliyor.

IoT ve Edge Computing ile entegrasyon

Sensörler daha akıllı ve daha bağlantılı hale geldiğinde, optimizasyon sorunu, veri işleme, iletişim ve bulut mimarisini içerecek şekilde fiziksel sensörlerin ötesine genişletilebilir. Örneğin, bir hedef tüm sensör bulut sistemi tarafından tüketilen toplam enerjiyi en aza indirmek olabilir, diğeri uyarı mesajlarının gecikme süresini en aza indirmektir.Bu, donanım ve ağ katmanları gerektirir.

Kullanıcı Interface ve Decision Support Support

Pareto cephesi, yüzlerce veya binlerce çözüm içerebilir. Bu ticaretten mühendislere ve karar vericilere açık, sezgisel bir şekilde bir meydan okumadır. İnteraktif görselleştirme araçları, tercih sanatik teknikler ve otomatik çözüm seçimi, bulanık mantıka dayalı olarak, gelişim alanlarıdır.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Multi-objective optimizasyonu sadece akademik bir egzersiz değildir; her altyapı projesinin ihtiyaçlarını doğrudan ele alan pratik bir mühendislik metodolojisidir.Kablosuz tüneller için ticaret-offlarını doğrulama yoluyla, maliyet, dayanıklılık, enerji verimliliği ve diğer önemli ölçümleri kanıtlamaktadır, MOO, her iki araştırma ve gerçek dünyadaki dağıtım sistemlerindeki değerini daha yaygın hale getirecek olan, çok sayıdaki optimizasyonun optimizasyonuna olanak sağlayacak şekilde optimize edilmesi için tarihi bir köprüde sensör yerleştirmeye olanak sağlar.