【技术实现步骤摘要】
基于结构离散测点拓扑的温致应变场重分布智能感知方法
[0001]本专利技术属于结构智能监测、检测与评价领域,具体涉及一种基于结构离散测点拓扑的温致应变场重分布智能感知方法。
技术介绍
[0002]工程结构从建造伊始就受到环境温度的持续作用,温度作用的不均匀性会随着结构尺寸增大而越专利技术显,而结构温致应变场是非均匀温度场作用的最直观反映,准确有效地描述结构温度场和温致应变场是把握结构当前状态的前提。随着测试与传输技术的发展,通过监、检测手段实时获取大型工程结构的温度和应变已不是难事。然而,由于主流温度和应变传感器的测试范围相对工程结构的尺寸来说太小,一般情况下只能获得离散的几个点或区域的温度和应变,工程结构温度和温致应变的分布特征难以有效量化评估,感知结构在全寿命周期的温致应变重分布更是无从谈起。人工智能的兴起与发展使得采用聚类和深度学习方法模拟并感知结构温致应变场时变分布模式成为可能。
[0003]目前,土木、机械领域内关于考虑结构离散测点拓扑特征建立温度场
‑
应变场分布模型的方法较少,采用聚类和神经网络相结合的方法实时感知结构温致应变场重分布的案例更是鲜有所闻。常用的方法有以下几种:(1)基于纳米级智能材料涂层对结构表面进行致密的分布式应变测量,利用智能材料的电化学性质将力学量转化为电信号,完成结构表面应变分布的有效获取,但该方法仅能测量小面积的应变分布,且无法辨析应变来源于何种荷载效应,因此在大型土木工程中的应用场景有限;(2)基于阵列式的压电陶瓷传感元件对结构的应力应变分布进行测量, ...
【技术保护点】
【技术特征摘要】
1.基于结构离散测点拓扑的温致应变场重分布智能感知方法,其特征在于,具体包括如下步骤:步骤1,针对待测结构,提取一定时间内该结构的离散的各温度测点温度时序数据和各应变测点温致应变时序数据,并进行预处理,将预处理后的各温度测点温度时序数据和温致应变时序数据存储为在每个时刻一一对应的多个数据集;步骤2,基于凝聚式层次聚类方法分别对温度测点位置坐标和应变测点位置坐标进行聚类,得到包含测点位置拓扑信息的聚类簇,计算每个时刻温度和温致应变数据在各自聚类簇内的平均值;步骤3,分别利用各时刻温度和温致应变的聚类簇的平均值,得到温度场和温致应变场的分布拓扑特征值数据;步骤4,将所有时刻一一对应的温度场和温致应变场分布拓扑特征值数据按照固定比例划分为训练集与检验集,并归一化处理;步骤5,构建双向长短期记忆回归网络模型,并设定网络参数以及训练参数,以温度场分布拓扑特征值数据为输入、温致应变场分布拓扑特征值数据为输出,利用训练集对回归网络模型进行训练;当训练达到设定值时,利用检验集对回归网络模型验证有效性;当回归网络模型输出结果与检验集温致应变场分布拓扑特征值数据之间的差异定义检验指标符合要求时,训练完成,获取训练完成的回归网络模型;否则,调整网络参数以及训练参数,重新进行训练;步骤6,在结构监测过程中,对待测结构连续获取预设时间内实时监测的离散的各温度测点温度时序数据和应变测点温致应变时序数据,并利用步骤1
‑
步骤3所述方法计算各时刻温度场和温致应变场的分布拓扑特征值;将各时刻温度场的分布拓扑特征值作为训练完成的回归网络模型的输入,得到对应时刻回归网络模型输出结果;计算并判断相同时刻的回归网络模型输出结果与监测的温致应变场分布拓扑特征值的差异定义检验指标是否符合要求,当预设时间内不符合要求的差异定义检验指标大于预设比例时,表示该结构的温致应变模式发生重分布;否则表示该结构的温致应变模式未发生重分布。2.根据权利要求1所述的基于结构离散测点拓扑的温致应变场重分布智能感知方法,其特征在于,所述步骤1的方法具体如下:步骤1.1,对待测结构提取一定时间内离散的各温度测点温度时序数据;步骤1.2,对待测结构提取一定时间内离散的各应变测点时序数据,对结构应变测点一定范围内的温度测点温度时序数据进行频谱分析,得到温度时序数据功率谱的高功率密度值对应的频带[0,f
t
],对各应变测点数据进行处理,包括小波变换、低通滤波,得到频率小于f
t
的应变信号,并以此作为各应变测点的温致应变时序数据;步骤1.3,调节温度测点温度时序数据和温致应变时序数据的采样频率至两者中的较小值或比较小值更低的随机值,并将各测点温度、温致应变时序数据存储为在每个时刻一一对应的多个数据集。3.根据权利要求1所述的基于结构离散测点拓扑的温致应变场重分布智能感知方法,其特征在于,所述步骤2中,基于凝聚式层次聚类方法对温度测点位置坐标进行聚类,得到包含测点位置拓扑信息的聚类簇,方法如下:步骤2.1,将每一个温度测点位置坐标作为一个聚类,将测点的欧拉距离作为每两个聚
类之间的距离,计算每两个聚类之间的距离,将距离最近的两个聚类合并为新的聚类簇;步骤2.2,将聚类簇内全部数据点坐标的增量平方和作为聚类簇之间的距离,计算每两个聚类簇之间的距离,将距离最近的两个聚类簇进行合并,得到新的聚类簇;步骤2.3,重复步骤2.2直到达到预设聚类数;步骤2.4,判断聚类过程中各聚类簇内全部数据点坐标的增量平方和是否大于预设距离,输出增量平方和大于预设距离且与预设距离的差值绝对值最小的聚类簇结果。4.根据权利要求3所...
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。