沿海环境简支梁弹性模量预测方法、电子设备及存储介质技术

本发明专利技术提出涉及沿海环境简支梁弹性模量预测方法、电子设备及存储介质，属于弹性模量预测技术领域。包括：S1.结合沿海地区气候条件，确定对桥梁弹性模量产生影响的数据参数，并对数据参数和弹性模量进行编码；S2.获取各数据参数；S3.构建数据集；S4.构建长短期记忆神经网络模型；S5.将扰度计算公式作为长短期记忆神经网络模型的损失函数，并通过误差反向传播，修正模型中的参数；S6.基于数据集，采用梯度下降法对长短期记忆神经网络模型进行训练；S7.将监测数据输入长短期记忆神经网络模型，输出弹性模量。解决基于大数据处理的方式对桥梁状态分析时，泛化能力不足，以及未考虑服役环境导致桥梁状态评价准确度低的问题。服役环境导致桥梁状态评价准确度低的问题。服役环境导致桥梁状态评价准确度低的问题。

【技术实现步骤摘要】
沿海环境简支梁弹性模量预测方法、电子设备及存储介质


[0001]本专利技术涉及一种弹性模量预测方法，尤其涉及沿海环境简支梁弹性模量预测方法、电子设备及存储介质，属于弹性模量预测


技术介绍

[0002]弹性模量是混凝土力学性能中的一项重要参数，能够反映混凝土所受应力与所产生应变之间的关系。弹性模量几乎贯穿于材料力学的全部计算之中，而对于结构力学而言，其计算过程中弹性模量也是必不可少的基本物理量。对于简支梁桥而言，弹性模量是检测过程中的重要检测指标，并采用弹性模量作为反应桥梁损伤程度的指标。而目前，桥梁检测时，通常是采用回弹仪法测试混凝土的弹性模量，而此种方法存在显著的问题：对于简支梁桥而言，跨中位置的挠度是需要重要关注的指标，而跨中挠度受到弹性模量的影响较大，回弹仪仅仅作用于混凝土表面的一点，弹击点附近混凝土的性能对测量结果影响很大。如果弹击点刚好位于一个硬度较大的骨料之上，测得的回弹值就会较大。同样，如果弹击点刚好打在一个空穴之上，由于该点的硬度较低，因此回弹值就会较小。如果弹击点刚好打在钢筋之上且混凝土保护层较薄，此点的硬度会较大，测得的回弹值也会较大。
[0003]另一方面，对于沿海城市而言，桥梁的服役环境复杂，传统的基于桥梁监检测技术的参数识别时，忽略了服役环境对桥梁状态评价和性能演化规律的影响。基于大数据处理的方式对桥梁状态分析时，可解释性不强，难以发现数据中存在的问题，由此构建的桥梁状态评定模型的泛化能力不足。

技术实现思路

[0004]在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
[0005]鉴于此，为解决现有技术中存在的基于大数据处理的方式对桥梁状态分析时，可解释性不强，难以发现数据中存在的问题，由此构建的桥梁状态评定模型的泛化能力不足，以及未考虑服役环境导致的桥梁状态评价准确度低的技术问题，本专利技术提供沿海环境简支梁弹性模量预测方法、电子设备及存储介质。
[0006]方案一、沿海环境简支梁弹性模量预测方法，包括以下步骤：S1.结合沿海地区气候条件，确定对桥梁弹性模量产生影响的数据参数，并对数据参数和弹性模量进行编码；S2.获取各数据参数；S3.构建数据集；S4.构建长短期记忆神经网络模型；S5.将扰度计算公式作为长短期记忆神经网络模型的损失函数，并通过误差反向
传播，修正模型中的参数；S6.基于S3所述数据集，采用梯度下降法对S5所述长短期记忆神经网络模型进行训练；S7.将监测数据输入至S6所述长短期记忆神经网络模型，输出弹性模量。
[0007]优选的，S1具体是：数据参数包括：服役时间、温度、湿度、酸度、盐度、集中荷载、跨径、截面惯性矩和挠度；将服役时间、温度、湿度、酸度、盐度、集中荷载、跨径和截面惯性矩依次编码为A1‑
A8；将挠度编码为D，将弹性模量编码为A9。
[0008]优选的，S2具体是：服役时间：每日；温度、湿度、酸度、盐度：分别设置温度、湿度、酸度和盐度传感器获取；集中荷载的测量：轴重秤称取；跨径、截面惯性矩：依据图纸设计尺寸获取；弹性模量：实验室混凝土弹性模量的方法进行测量获取；挠度：挠度计获取。
[0009]优选的，S3具体是：S31.选取同一区域、相同服役环境、相同桥梁结构、相同跨径的简支梁桥，选择10座桥梁，编码为B1
‑
B10；S32.首先选择桥梁B1；S33.获取各数据的监测参数；S34.选取10种质量的车辆，且质量存在梯度差，每种质量对应1辆车；S35.每次加载1或2辆车，加载至跨中位置，且车辆方向与桥梁跨径方向垂直，跨中中心线与车辆中线重合；S36.加载车辆后，依次记录下A1‑
A9和D的数据；S37.更换车辆，依次记录下A1‑
A9和D的数据；S38.依次更换桥梁B2
‑
B10，重复步骤S33
‑
S37；S39.桥梁运营每隔一段时间，重复上述数据采集的工作，获取时序数据；S310.将上述采集到的全部的A1‑
A9和D的数据汇聚至一个数据集。
[0010]优选的，S5具体是：优选的，S5具体是：优选的，S5具体是：优选的，S5具体是：
其中，为神经网络中输入值与输出值间的映射关系函数，为弹性模量的神经网络输出值，为弹性模量的试验测试值，为损失函数，为神经网络中隐藏层的编号，为隐藏层的权重，为第k层隐藏层的权重，为隐藏层的偏置，为第k层隐藏层的偏置，为隐藏层神经元的输入，为第k层神经元的输入，为第k
‑
1层神经元的输出，表示弹性模量神经网络输出值与试验测试值的比值。
[0011]方案二、 一种电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现方案一所述沿海环境简支梁弹性模量预测方法的步骤。
[0012]方案三、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现方案一所述沿海环境简支梁弹性模量预测方法。
[0013]本专利技术的有益效果如下：（1）考虑沿海复杂环境对桥梁性能的影响，构建了深度学习数据集，明确数据集中各参数的获取和监测方法，为深度学习模型的准确预测提供高质量的数据基础；（2）将先验知识和监测数据耦合，提高了弹性模量预测的深度学习网络模型的可解释性和预测准确性，可消除监测数据中的错误数据；（3）利用长短期记忆神经网络模型在处理时序数据优势，使得随时间变化时，神经网络模型对弹性模量的预测准确率仍能维持在较高且合理水平。
附图说明
[0014]此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术沿海环境简支梁弹性模量预测方法流程示意图。
具体实施方式
[0015]为了使本专利技术实施例中的技术方案及优点更加清楚明白，以下结合附图对本专利技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0016]实施例1、参照图1说明本实施方式，沿海环境简支梁弹性模量预测方法，包括以下步骤：
S1.结合沿海地区气候条件，确定对桥梁弹性模量产生影响的数据参数，并对数据参数和弹性模量进行编码；结合沿海地区气候条件，以及环境、荷载对桥梁材料和结构的影响确定数据参数包括：服役时间、温度、湿度、酸度、盐度、集中荷载、跨径、截面惯性矩和挠度；对数据参数和弹性模量进行编码：将服役时间、温度、湿度、酸度、盐度、集中荷载、跨径和截面惯性矩依次编码为A1‑
A8；将挠度编码为D，将弹性模型编码为A9。
[0017]S2.获取各数据参数；弹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.沿海环境简支梁弹性模量预测方法，其特征在于，包括以下步骤：S1.结合沿海地区气候条件，确定对桥梁弹性模量产生影响的数据参数，并对数据参数和弹性模量进行编码；S2.获取各数据参数；S3.构建数据集；S4.构建长短期记忆神经网络模型；S5.将扰度计算公式作为长短期记忆神经网络模型的损失函数，并通过误差反向传播，修正模型中的参数；S6.基于S3所述数据集，采用梯度下降法对S5所述长短期记忆神经网络模型进行训练；S7.将监测数据输入至S6所述长短期记忆神经网络模型，输出弹性模量。2.根据权利要求1所述的沿海环境简支梁弹性模量预测方法，其特征在于，S1具体是：数据参数包括：服役时间、温度、湿度、酸度、盐度、集中荷载、跨径、截面惯性矩和挠度；将服役时间、温度、湿度、酸度、盐度、集中荷载、跨径和截面惯性矩依次编码为A1‑
A8；将挠度编码为D，将弹性模量编码为A9。3.根据权利要求2所述的沿海环境简支梁弹性模量预测方法，其特征在于，S2具体是：服役时间：每日；温度、湿度、酸度、盐度：分别设置温度、湿度、酸度和盐度传感器获取；集中荷载的测量：轴重秤称取；跨径、截面惯性矩：依据图纸设计尺寸获取；弹性模量：实验室混凝土弹性模量的方法进行测量获取；挠度：挠度计获取。4.根据权利要求3所述的沿海环境简支梁弹性模量预测方法,其特征在于，S3具体是：S31.选取同一区域、相同服役环境、相同桥梁结构、相同跨径的简支梁桥，选择10座桥梁，编码为B1
‑
B10；S32.首先选择桥梁B1；S33.获取各数据的监测参数；S34.选取10种质量的车辆，且质量存在梯度差，每种质量对应1辆车；S3...

【专利技术属性】
技术研发人员：贾磊，周子益，孟安鑫，吴成龙，孙茂棚，安茹，钟志鑫，阚倩，辛甜甜，
申请(专利权)人：深圳市交通科学研究院有限公司，
类型：发明
国别省市：