2018年第37卷第10期应用技术
传感器与微系统(Transducer and Microsystem Technologies）
157
DOI:10.13873/J.10009787(2018 )100157-04
加权质心鱼群算法在WSNs节点优化布置中的应用
何旭，彭珍瑞，董海棠，殷红
（兰州交通大学机电工程学院，甘肃兰州730070）
摘要：针对风机叶片健康监测中的无线传感器网络（WSNs）节点优化布置问题，提出了一种加权质心鱼群算法。引入加权质心算法初始化鱼群，增强种群多样性，提高寻优精度；采用一种基于动态参数自适应变步长策略，跳出局部最优解，加快收敛速度。测点的布置采用模态置信度矩阵的最大非对角元素的最小值作为目标函数。使用5个典型测试函数验证算法，并在叶片上进行WSNs节点优化布置。结果表明：加权质
心鱼群算法较人工鱼群算法AFSA)有更好的优化效果，能较好地解决叶片WSNs节点优化布置问题。关键词：风机叶片；传感器优化布置；无线传感器网络；加权质心算法；人工鱼群算法
中图分类号：TP18
文献标识码：A
文章编号：1000-9787(2018）10-0157-04
Application of weighted centroid fish swarm algorithm in optimal placement of wsNs nodes
HE Xu, PENG Zhen-rui, DONG Hai-tang, YIN Hong
( School of Mechatronics Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China)
Abstract: Aiming at problem of optimal placement of wireless sensor networks( WSNs )nodes of wind turbine blade for health inspection , a weighted centroid fish swarm algorithm is introduced to initialize fish swarm. Enhance the diversity of population and improve optimizing precision. Adaptive changeable step strategy based on dynamic parameter is used to jump out local optimal solution and improve the convergence speed. Measurement point placement uses minimum value of the maximum non-diagonal elements of the modal confidence matrix as the objective function. Use five typical test functions to verify the algorithm, and carry out optimal placement of WSNs nodes on wind turbine blade. The results verify that weighted centroid fish swarm algorithm has better optimization effect than artificial fish swarm algorithm,which can solve the problem of optimal placement of blade WSNs nodes Keywords: wind turbine blade; optimal placement of sensor; wireless sensor networks( WSNs ); weighted centroid algorithm( WCA ); artificial fish swarm algorithm( AFSA )
0引言
风机叶片是风电机组主要部件！，叶片工作环境恶劣，检修成本高，因此，考虑减少运行风险，降低维护成本，对叶片进行健康监测具有重大意义[2]。
叶片健康监测主要采用模态测试技术，测试并分析其动力特性。在叶片上安装若干加速度传感器，用以提取模态参数，由于叶片与机舱间存在相对运动，如不使用装置固定，无法使用有线传输；且传感器数目多、布设线缆复杂，需使用无线传感器网络(wirelesssensornetworks，WSNs）)将叶片的状态信号实时传输至接收装置[3]。布置WSNs测点，既增大传输距离，需解决有线传输中的布线问题4.5]，又使系统不易受环境干扰，运行更稳定。
本文将加权质心算法[61（weighted centroidalgorithm，收稿日期：2017-10-09
WCA）引人人工鱼群算法（artificialfishswarmalgorithm， AFSA）中初始化鱼群，通过节点之间相互测距和定位补偿误差，并采用自适应变步长，提高了算法的收敛速度和寻优精度。
叶片WSNs节点优化布置数学模型 1
建立叶片有限元模型，提取振型矩阵，矩阵的行对应节点自由度数,列m对应模态阶数,从n行中选择s行作为传感器的优化布置测点位置。选择模态置信准则（modalassurance criterion，MAC）7）最大非对角元素作为传感器优化布置问间题的目标函数，数学模型为
0)=max MAC, (0gX)]
(）
*基金项目：国家自然科学基金资助项目（61463028）；甘肃省自然科学基金资助项目（1610RJZA041）
(1)