Optimal Sensor Placement for Reliable Virtual Sensing Using Modal Expansion and Information Theory.
Optimal Sensor Placement for Reliable Virtual Sensing Using Modal Expansion and Information Theory.
复制标题
DOI：
10.3390/s21103400
复制
发表时间：
2021-05-13
期刊：
影响因子：
--
通讯作者：
Papadimitriou C
中科院分区：
文献类型：
--
作者：
Ercan T;Papadimitriou C
基于信息和效用理论，提出了一种使用模态扩展技术并考虑不确定性的虚拟传感最佳传感器放置（OSP）框架。该框架旨在处理仅输出振动测量下的虚拟传感。 OSP 最大化效用函数，该函数量化从数据中获得的预期信息，以减少在虚拟传感位置预测的感兴趣数量 (QoI) 的不确定性。效用函数被扩展以使 OSP 设计对结构模型和建模误差参数中的不确定性具有鲁棒性，从而产生不确定参数的所有可能值的预期信息增益的多维积分，并按其分配的概率分布进行加权。近似方法用于计算多维积分并解决出现的优化问题。利用响应 QoI 的高斯性质来导出效用函数的有用且信息丰富的分析表达式。深入研究了模型、预测和测量误差及其不确定性以及模态坐标中的先验不确定性对最佳传感器配置选择的影响，强调了考虑对误差和其他不确定性的鲁棒性的重要性。
A framework for optimal sensor placement (OSP) for virtual sensing using the modal expansion technique and taking into account uncertainties is presented based on information and utility theory. The framework is developed to handle virtual sensing under output-only vibration measurements. The OSP maximizes a utility function that quantifies the expected information gained from the data for reducing the uncertainty of quantities of interest (QoI) predicted at the virtual sensing locations. The utility function is extended to make the OSP design robust to uncertainties in structural model and modeling error parameters, resulting in a multidimensional integral of the expected information gain over all possible values of the uncertain parameters and weighted by their assigned probability distributions. Approximate methods are used to compute the multidimensional integral and solve the optimization problem that arises. The Gaussian nature of the response QoI is exploited to derive useful and informative analytical expressions for the utility function. A thorough study of the effect of model, prediction and measurement errors and their uncertainties, as well as the prior uncertainties in the modal coordinates on the selection of the optimal sensor configuration is presented, highlighting the importance of accounting for robustness to errors and other uncertainties.
登录
查看更多内容
影响因子：
6.8
作者：
Hansen, N;Muller, SD;Koumoutsakos, P
通讯作者：
Koumoutsakos, P
影响因子：
5.4
作者：
Bhattacharyya, Pinaky;Beck, James
通讯作者：
Beck, James
影响因子：
8.4
作者：
Green, P. L.;Cross, E. J.;Worden, K.
通讯作者：
Worden, K.
影响因子：
4.4
作者：
Bertola, Numa J.;Pai, Sai G. S.;Smith, Ian F. C.
通讯作者：
Smith, Ian F. C.
影响因子：
5.4
作者：
Chow, H. M.;Lam, H. F.;Au, S. K.
通讯作者：
Au, S. K.