(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211077829.2 (22)申请日 2022.09.05 (71)申请人 中国建筑第八工程局有限公司 地址 200000 上海市浦东 新区世纪大道 1568号27层 (72)发明人 于振兴　郭兴鹏　梁栋　梁斌　 周殷弘　曾伟　凌永恒　刘东　 何文轲　赖旺金　张双胜　王典　 黄怀海　 (74)专利代理 机构 成都睿道专利代理事务所 (普通合伙) 51217 专利代理师 潘育敏 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01) (54)发明名称 一种传感器布置方法和系统 (57)摘要 本发明提供了一种传感器布置方法和系统， 包括， 获取节点数据库； 所述节点数据库包括节 点和节点模拟数据； 所述节点为待测结构上待放 置传感器的点； 抽取节点数据库中的节点， 构建 多个第一个体和第一种群； 基于遗传算法， 对所 述多个第一个体和所述第一种群进行筛选和处 理， 得到最优个体所组成的种群； 所述遗传算法 的适应函数通过第一神经网络得到； 基于所述最 优个体所 组成的种群， 在所述待测结构上布置传 感器； 将所述传感器获取的节 点数据输入第二神 经网络模型， 模型输出预测的节点数据， 使得可 以根据预算的传感器数量逐步筛选出最适合的 传感器位置， 再通过传感器测量得到的数据进行 整体预测， 得到所需要的最全面、 最可靠的数据。 权利要求书2页 说明书7页 附图3页 CN 115408915 A 2022.11.29 CN 115408915 A 1.一种传感器布置方法， 其特 征在于， 包括， 获取节点数据库； 所述节点数据库包括节点和节点模拟数据； 所述节点为待测结构上 待放置传感器的点； 抽取节点数据库中的节点， 构建多个第一个 体和第一种群； 基于遗传算法， 对所述多个第一个体和所述第一种群进行筛选和 处理， 得到最优个体 所组成的种群； 所述遗传算法的适应函数通过第一神经网络得到； 基于所述 最优个体所组成的种群， 在所述待测结构上布置传感器； 将所述传感器获取的节点数据输入第二神经网络模型， 模型输出 预测的节点数据。 2.根据权利要求1所述的传感器布置方法， 其特 征在于， 所述获取节点数据库， 包括， 基于所述待测结构的特 征， 建立有限元模型； 所述待测结构的特 征包括节点； 基于所述待测结构的工作环境和工作状态， 计算所述节点的节点模拟数据； 将所述节点和所述节点模拟数据提取为所述节点数据库。 3.根据权利要求1所述的传感器布置方法， 其特征在于， 所述构建第一个体和第一种 群， 包括， 多次从所述节点数据库中抽取部分节点， 得到多个第一个 体； 将所述多个第一个 体作为所述第一种群。 4.根据权利要求3所述的传感器布置方法， 其特征在于， 被抽取的部分节点占总节点数 量的40％～6 0％。 5.根据权利要求1所述的传感器布置方法， 其特 征在于， 构建适应度函数， 包括， 将多个编码好的第一个 体分为训练集和 测试集； 将所述训练集中的第 一个体输入初始第 一神经网络模型， 训练得到所述第 一神经网络 模型； 将所述测试集中的第 一个体输入所述第 一神经网络模型， 并基于所述第 一神经网络模 型的输出和节点模拟数据， 构建适应度函数。 6.根据权利要求5所述的传感器布置方法， 其特征在于， 所述得到最优个体所组成的种 群， 包括， 基于所述第一适应度函数， 从所述第一种群中选取多个第一个体； 对被选取的多个第 一个体执行交叉和/或变异操作， 得到处 理后的第一个 体； 将所述被选取的多个第 一个体和所述处理后的第 一个体作为新的第 一个体， 并得到新 的第一种群； 基于所述新的第一个体和所述新的第一种群， 重新构建适应度函数， 直到得到满足适 应度条件的个 体组成的种群。 7.根据权利要求6所述的传感器布置方法， 其特 征在于， 从种群中选取个 体， 包括， 计算每个个体被选中的概 率； 所述被选中的概 率p(xi)的计算公式为： 其中， f(xi)为个体的适应度值； 将所述概率大于预设概 率阈值的个 体选取出来。权　利　要　求　书 1/2 页 2 CN 115408915 A 28.根据权利要求6所述的传感器布置方法， 其特征在于， 当种群中的个体的适应度值满 足适应度值条件时， 停止循环， 并将该种群中满足适应度值条件的多个个体作为最优个体 输出。 9.根据权利要求1所述的传感器布置方法， 其特征在于， 得到第二神经网络模型的， 包 括， 基于所述 最优个体所组成的种群， 得到最优权值和最优阈值； 基于所述 最优权值和所述 最优阈值， 构建初始第二神经网络模型； 将训练样本输入所述初始第 二神经网络模型， 基于所述初始第 二神经网络模型的输出 和所述训练样本的标签构建损失函数； 所述训练样本包括所述传感器在多个时间点 获取的 节点数据， 所述标签包括未设置传感器的节点的节点数据和未来一个或多个时间点的节点 数据； 基于所述损失函数调整所述初始第二神经网络模型的参数， 得到第二神经网络模型。 10.一种传感器布置系统， 其特征在于， 包括获取模块、 构建模块、 处理模块、 布置模块 和预测模块； 所述获取模块用于获取节点数据库； 所述节点数据库包括节点和节点模拟数据； 所述 节点为待测结构上待放置传感器的点； 所述构建模块用于抽取节点数据库中的节点， 构建多个第一个 体和第一种群； 所述处理模块用于基于遗传算法， 对所述多个第 一个体和所述第 一种群进行筛选和处 理， 得到最优个 体所组成的种群； 所述遗传算法的适应函数通过第一神经网络得到； 所述布置模块用于基于所述 最优个体所组成的种群， 在所述待测结构上布置传感器； 所述预测模块用于将所述传感器获取的节点数据输入第 二神经网络模型， 模型输出预 测的节点数据。权　利　要　求　书 2/2 页 3 CN 115408915 A 3