【技术实现步骤摘要】
一种基于智能学习的大体积混凝土温控方法
本专利技术属于大体积混凝土温控防裂领域，尤其涉及一种基于智能学习的大体积混凝土温控方法。
技术介绍
60年来，世界坝工界针对大坝安全开展了广泛的调查研究，也取得了丰富的成果。但是直到现在还是出现″无坝不裂″的局面，大坝温控防裂是当代设计中的难点，瓶颈点，关系到水工结构设计精细化问题，关系到高拱坝的长期运行安全与稳定。要改变这种″无坝不裂″局面，在浇筑阶段对混凝土进行通水换热(冷却)温度智能控制，真正做到从开始就不出现损伤裂缝是关键。通水冷却第一次在水利工程领域中的正式应用源于20世纪30年代，1933年美国胡佛大坝(Hooverdam)首次在大体积混凝土内全面预埋通水冷却水管，获得较理想的温控防裂效果。随后，通水冷却以其灵活性、可靠性及多用性等特点，在世界各国混凝土坝施工中广泛应用。我国在1955年修建第一座混凝土拱坝-响洪甸拱坝时，首次采用了预埋冷却水管，获得了不错的防裂效果。随后，在周公宅拱坝、二滩拱坝、索风营碾压混凝土坝、三峡大坝、龙滩碾压混凝土重力坝、拉西瓦拱坝、锦屏一级拱坝与小湾拱坝等众多大型工程中得到了广...
【技术保护点】
1.一种基于智能学习的大体积混凝土温控方法，其特征在于，所述方法包括以下步骤：步骤S1：采集大体积混凝土的原始数据；步骤S2：对原始数据进行预处理以形成数据仓库；步骤S3：依据任务从数据仓库中读取相关数据；步骤S4：利用多种算法进行数据挖掘分析，使系统能够基于输入数据不断进行智能学习；步骤S5：数据挖掘结果的分析利用，包括目标温控曲线的智能寻优、实际温控曲线的智能预测、通水换热措施的智能控制和保温散热措施的智能反馈；步骤S6：大体积混凝土的温度状态朝着最优方向发展，开始新的监控循环。
【技术特征摘要】
1.一种基于智能学习的大体积混凝土温控方法，其特征在于，所述方法包括以下步骤：步骤S1：采集大体积混凝土的原始数据；步骤S2：对原始数据进行预处理以形成数据仓库；步骤S3：依据任务从数据仓库中读取相关数据；步骤S4：利用多种算法进行数据挖掘分析，使系统能够基于输入数据不断进行智能学习；步骤S5：数据挖掘结果的分析利用，包括目标温控曲线的智能寻优、实际温控曲线的智能预测、通水换热措施的智能控制和保温散热措施的智能反馈；步骤S6：大体积混凝土的温度状态朝着最优方向发展，开始新的监控循环。2.根据权利要求1所述的基于智能学习的大体积混凝土温控方法，其特征在于，所述步骤S1包括：步骤S101：混凝土发热数据的采集；步骤S102：混凝土换热数据的采集；步骤S103：混凝土散热数据的采集；步骤S104：混凝土监测数据的采集；步骤S105：混凝土性能试验数据的采集。3.根据权利要求1所述的基于智能学习的大体积混凝土温控方法，其特征在于，所述步骤S2指对原始数据进行清洗、集成构建数据仓库的过程。4.根据权利要求1所述的基于智能学习的大体积混凝土温控方法，其特征在于，所述步骤S3指依据特定任务从数据仓库中读取相关数据的过程。5.根据权利要求1所述的基于智能学习的大体积混凝土温控方法，其特征在于，所述步骤S4采用的数据挖掘算法包括：分类算法、聚类算法、回归算法和频繁模式。6.根据权利要求1所述的基于智能学习的大体积混凝土温控方法，其特征在于，所述步骤S5包括：步骤S501：将数据挖掘分析后的输出结果作为仿真分析的输入，进行敏感性分析，智能寻优目标温控曲线；步骤S502：将数据挖掘分析后的输出结果作为仿真分析的输入，进行温度场重构，智能预测实际温控曲线；步骤S503：将数据挖掘分析后的输出结果作为PID控制的输入，进行通水换热控制，智能控制通水换热措施；步骤S504：将数据挖掘分析后的输出结果作为反馈控制的输入，进行保温散热控制，智能反馈保温散热措施。7.根据权利要求1所述的基于智能学习的大体积混凝土温控方法，其特征在于，所述步骤S6指通过智能学习对大体积混凝土进行目标寻优、实际预测、动态控制之后...
【专利技术属性】
技术研发人员：林鹏，宁泽宇，彭浩洋，魏鹏程，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。