基于神经网络的套筒灌浆接头质量预测方法、系统、设备及介质技术方案

基于神经网络的套筒灌浆接头质量预测方法、系统、设备及介质，包括：以材料尺寸、材料性能及灌浆缺陷三种主要影响因素为BP神经网络输入层，以套筒灌浆接头承载力为网络输出层，构建BP神经网络；进行样本数据的收集整理，形成对应的训练样本库及预测样本库；基于训练样本库，完善BP神经网络拓扑结构，采用PSO算法，为BP神经网络搭建提供初始权值及阈值；基于网络初始权值及阈值，建立基于神经网络的套筒灌浆接口质量预测模型；以可接受平均绝对值误差为迭代终止条件，在对训练样本多次迭代后，形成对套筒灌浆接头承载力的预测模型；其系统、设备及介质能够基于神经网络对套筒灌浆接头质量进行预测；本发明专利技术采用PSO算法优化BP神经网络，具备全局寻优能力强、搜索速度快、精准的优势，大大提升预测模型构建速度及精度。大大提升预测模型构建速度及精度。大大提升预测模型构建速度及精度。

【技术实现步骤摘要】
基于神经网络的套筒灌浆接头质量预测方法、系统、设备及介质


[0001]本专利技术属于土木建筑工程及计算机机器学习
，具体而言，涉及基于神经网络的套筒灌浆接头质量预测方法、系统、设备及介质。

技术介绍

[0002]装配式建筑作为建筑行业的发展方向，可从根本上改善传统建筑行业效率低、能耗高、粗放式、质量保证难等问题。装配式建筑的实现依赖成熟的预制构件连接技术，在竖向构件连接方面，广泛且主要使用的是套筒灌浆技术，其具有性能可靠、安装方便、适用性广的特点。
[0003]目前，对于套筒灌浆节点质量的控制多从组成材料性能、过程把控层面入手，且对于套筒灌浆连接节点承载力的预测，多依靠由受力机制、力学原理进行推导的经验公式，假设过多，缺乏一定的计算精度，同时套筒灌浆连接节点质量影响因素繁多，目前的公式缺乏对多影响因素的考虑。在已有机器学习进行的节点承载力预测方面，多采用针对失效模式分类的分类算法，在回归分析方面容易产生速度慢、过拟合的现象。

技术实现思路

[0004]为了克服上述现有技术的缺陷，本专利技术的目的在于提供基于神经网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的套筒灌浆接头质量预测方法，其特征在于，包括以下步骤：步骤1.以材料尺寸、材料性能及灌浆缺陷三种影响因素为BP神经网络输入层，以套筒灌浆接头承载力为网络输出层，构建BP神经网络；步骤2.进行样本数据的收集整理，形成样本库，再按相应比例进行样本划分以形成对应的训练样本库及预测样本库；步骤3.基于步骤2中的样本库，完善BP神经网络拓扑结构，得到输入层S、隐含层H、输出层O，采用PSO算法，得到BP神经网络初始权值矩阵及阈值矩阵；步骤4.基于步骤3得到的BP神经网络初始权值矩阵及阈值矩阵，根据BP神经网络初始权值及阈值，以自定义最大迭代次数为迭代终止条件，在对训练样本库多次迭代后，代入预测样本库数据，满足自定义的准确率后，形成对套筒灌浆接头质量预测模型；步骤5.基于步骤4所建立的套筒灌浆接头质量预测模型，通过输入层S输入现场检验或试验得到的数据，即可通过模型得到套筒灌浆接头承载力预测值，预测结果通过输出层O输出。2.根据权利要求1所述的基于神经网络的套筒灌浆接头质量预测方法，其特征在于，步骤1所述的材料尺寸因素主要包括套筒内径、套筒壁厚、钢筋直径；材料性能因素主要包括钢筋标号、灌浆料抗压强度；灌浆缺陷因素主要包括灌浆体积缺陷率。3.根据权利要求1所述的基于神经网络的套筒灌浆接头质量预测方法，其特征在于，步骤2所述的样本库为：X＝{(X1，Y1)，(X2，Y2)，...(X
i
，Y
i
)，(X
M
，Y
M
)}其中，X
i
＝(x
i1
，x
i2
，...x
im
)，X
i
为第i个样本的输入参数，即第i个样本的六项输入参数，x
im
为在第i个样本中的第m个参数，Y
i
为第i个样本的输出单元，输出值为y
i
，最后将样本库中样本进行划分，训练样本库样本数占总样本数70％，预测样本库样本数占总样本数30％。4.根据权利要求1所述的基于神经网络的套筒灌浆接头质量预测方法，其特征在于，步骤3所述BP神经网络拓扑结构采取单隐含层的拓扑结构。5.根据权利要求1或4所述的基于神经网络的套筒灌浆接头质量预测方法，其特征在于，所述步骤3的具体步骤如下：3.1根据BP神经网络输入层S、隐含层H、输出层O的三层设置，确定权值、阈值矩阵的维数，代入PSO算法；3.2进行PSO参数定义：粒子群规模N、迭代次数n、粒子维度D、惯性权重ω、学习因子c1及c2、随机数r1及r2、粒子速度v、粒子位置u，粒子的速度更新公式及位置更新公式为：及c2、随机数r1及r...

【专利技术属性】
技术研发人员：王茹，高欣宇，黄炜，徐宏，程凯，赵俊浩，伍志豪，吴家诚，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：