Most of the previous research activ

Most of the previous research activities for optimal
sensor networks targeted maximizing the coverage zone of
the observation and minimizing the power consumption of
sensor networks [8, 9] for various applications that require
data acquisition. Research on optimal sensor allocation
for SHM has been driven by the need to optimize large
sensor networks for efficient monitoring activities [1, 9]. A
few methods suggested maximizing the area of coverage
per sensor using geometrical and physical constraints [10].
Others focused on enhancing the detection efficiency and
minimizing uncertainty in decision-making based on data
acquired from the sensor networks [11]. Moreover, Chang
and Markmiller [1], as a measurement for quantifying the
reliability of a sensor network, defined the probability of
detection (POD). The optimal sensor network was introduced
as the network sensor configuration that can achieve the target
probability of detection. Guratzsch and Mahadevan [12]
also defined the optimum sensor network for SHM under
uncertainty as the sensor configuration that can maximize
the probability of damage detection. The POD approach
was applied successfully to identify the optimal sensor
network for detecting damage in a composite plate with the
system optimization implemented using genetic algorithms
(GAs) [13].

Results (Greek) 1:

Οι περισσότεροι των προηγούμενων δραστηριοτήτων έρευνας για βέλτιστηδίκτυα αισθητήρων στόχο τη μεγιστοποίηση της ζώνης κάλυψης τουη παρατήρηση και ελαχιστοποιώντας την κατανάλωση ενέργειαςδίκτυα αισθητήρων [8, 9] για τις διάφορες εφαρμογές που απαιτούναπόκτηση δεδομένων. Έρευνα σχετικά με αισθητήρα βέλτιστη κατανομήγια SHM έχει οδηγηθεί από την ανάγκη για τη βελτιστοποίηση μεγάλοδίκτυα αισθητήρων για αποτελεσματική δραστηριοτήτων παρακολούθησης [1, 9]. ΑΜερικές μέθοδοι που πρότεινε, μεγιστοποιώντας την έκταση της κάλυψηςανά αισθητήρα χρησιμοποιώντας γεωμετρικών και φυσικών περιορισμών [10].Άλλοι επικεντρώθηκε στην ενίσχυση της αποτελεσματικότητας της ανίχνευσης καιελαχιστοποίηση αβεβαιότητα στη λήψη αποφάσεων με βάση τα στοιχείααποκτήθηκε από τα δίκτυα αισθητήρων [11]. Επιπλέον, Changκαι Markmiller [1], ως μια μέτρηση για την ποσοτικοποίηση τηςη αξιοπιστία ενός αισθητήρα δικτύου, ορίζεται η πιθανότηταανίχνευση (POD). Εισήχθη το δίκτυο βέλτιστη αισθητήραόπως η ρύθμιση παραμέτρων δικτύου αισθητήρα που μπορεί να επιτύχει το στόχοπιθανότητα ανίχνευσης. Guratzsch και Mahadevan [12]ορίζεται επίσης το δίκτυο βέλτιστη αισθητήρα για SHM υπόαβεβαιότητα ως τη ρύθμιση παραμέτρων του αισθητήρα που μπορεί να μεγιστοποιήσειη πιθανότητα βλάβη. Η προσέγγιση του PODεφαρμόστηκε με επιτυχία για να προσδιορίσει τη βέλτιστη αισθητήραδικτύου για τον εντοπισμό βλάβης σε ένα σύνθετο πιάτο με τοβελτιστοποίηση του συστήματος που εφαρμόζεται χρησιμοποιώντας γενετικοί αλγόριθμοι(Φυσικό αέριο) [13].

Results (Greek) 2:

Οι περισσότερες από τις προηγούμενες ερευνητικές δραστηριότητες για τη βέλτιστη
δίκτυα αισθητήρων στοχευμένη μεγιστοποίηση της ζώνης κάλυψης της
παρατήρησης και την ελαχιστοποίηση της κατανάλωσης ρεύματος των
δικτύων αισθητήρων [8, 9] για διάφορες εφαρμογές που απαιτούν
την απόκτηση δεδομένων. Έρευνα για τη βέλτιστη κατανομή του αισθητήρα
για SHM έχει οδηγηθεί από την ανάγκη για τη βελτιστοποίηση μεγάλα
δίκτυα αισθητήρων για την αποτελεσματική παρακολούθηση των δραστηριοτήτων [1, 9]. Μια
λίγες μέθοδοι που προτείνονται μεγιστοποίηση της περιοχής κάλυψης
ανά αισθητήρα χρησιμοποιώντας γεωμετρικούς και φυσικούς περιορισμούς [10].
Άλλοι επικεντρώθηκε στην ενίσχυση της αποτελεσματικότητας ανίχνευση και
την ελαχιστοποίηση της αβεβαιότητας στη λήψη αποφάσεων με βάση τα στοιχεία
που αποκτήθηκαν από τα δίκτυα αισθητήρων [11]. Επιπλέον, Chang
και Markmiller [1], ως μέτρο για την ποσοτικοποίηση της
αξιοπιστίας ενός δικτύου αισθητήρων, ορίζεται η πιθανότητα
ανίχνευσης (POD). Το βέλτιστο δίκτυο αισθητήρων εισήχθη
ως την διαμόρφωση του αισθητήρα του δικτύου που μπορεί να επιτύχει το στόχο
πιθανότητα ανίχνευσης. Guratzsch και Mahadevan [12]
ορίζεται επίσης το βέλτιστο δίκτυο αισθητήρων για SHM υπό
αβεβαιότητα ως τη διαμόρφωση του αισθητήρα που μπορεί να μεγιστοποιήσει
την πιθανότητα ανίχνευσης βλάβης. Η προσέγγιση POD
εφαρμόστηκε με επιτυχία για τον προσδιορισμό του βέλτιστου αισθητήρα
δίκτυο για την ανίχνευση βλάβης σε ένα σύνθετο πιάτο με τη
βελτιστοποίηση του συστήματος υλοποιείται με χρήση γενετικών αλγορίθμων
(φυσικό αέριο) [13].

Results (Greek) 3:

Ορίζεται η πιθανότητα
ανίχνευσης (POD). Η βέλτιστη δικτύου αισθητήρα εισήχθη
ως δίκτυο διαμόρφωση αισθητήρα που μπορεί να επιτύχει το στόχο
πιθανότητα ανίχνευσης. Guratzsch και Mahadevan [12]
ορίζεται επίσης η βέλτιστη δικτύου αισθητήρα για SHM υπό
αβεβαιότητα ως διαμόρφωση του αισθητήρα ώστε να μεγιστοποιείται η
πιθανότητα ζημιάς ανίχνευσης. Το POD προσέγγιση
Οι περισσότερες από τις προηγούμενες δραστηριότητες έρευνας για βέλτιστη
αισθητήρα δικτύων με στόχο τη μεγιστοποίηση της κάλυψης της ζώνης
παρατήρησης και ελαχιστοποιώντας την κατανάλωση ρεύματος του αισθητήρα
δίκτυα [8, 9] για τις διάφορες εφαρμογές που απαιτούν
λήψης δεδομένων. Έρευνα για τη βέλτιστη κατανομή του αισθητήρα
για SHM έχει οδηγηθεί από την ανάγκη να αξιοποιηθούν τα μεγάλα
δίκτυα αισθητήρων για αποτελεσματική παρακολούθηση δραστηριοτήτων [1, 9]. Α
Ορίζεται η πιθανότητα ανίχνευσης
(POD). Η βέλτιστη δικτύου αισθητήρα καθιερώθηκε
όπως το δίκτυο διαμόρφωση αισθητήρα που μπορεί να επιτύχει το στόχο
πιθανότητα ανίχνευσης. Guratzsch και Mahadevan [ 12]
επίσης, ορίζεται το βέλτιστο δικτύου αισθητήρα για SHM κάτω από
αβεβαιότητας όπως η διαμόρφωση του αισθητήρα μπορεί να μεγιστοποιηθεί
η πιθανότητα για ανίχνευση βλαβών. Το POD προσέγγιση
Μερικές μέθοδοι πρότεινε μεγιστοποιώντας την περιοχή κάλυψης
ανά αισθητήρα χρησιμοποιώντας γεωμετρικά και φυσικοί περιορισμοί [10].
Άλλοι επικεντρώθηκαν στην ενίσχυση της αποτελεσματικότητας ανίχνευσης και
ελαχιστοποιώντας την αβεβαιότητα στην λήψη αποφάσεων που βασίζονται σε στοιχεία
απέκτησε από τον αισθητήρα δικτύων [11]. Επιπλέον, Chang
και Markmiller [1], όπως μια μέτρηση για την ποσοτικοποίηση της
αξιοπιστία ενός δικτύου αισθητήρα,