桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统及方法技术方案

本发明专利技术提出了一种桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统及方法，本发明专利技术的系统基于编码器

【技术实现步骤摘要】
桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统及方法


[0001]本专利技术涉及人工智能在桥梁施工领域的应用，尤其是涉及一种桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统及方法。

技术介绍

[0002]桥梁施工过程中，需要开展桩基础施工与水泥混凝土浇筑。旋挖钻机是一种取土成孔灌注桩施工的机械设备，靠钻杆带动回转斗旋转切削土质，然后提升至孔外缷土的周期性循环作业。旋挖钻机操作由全液压系统控制，能保证桩基垂直度、孔位、孔深、沉淀厚度等各项指标全部达到施工规范要求；性能优异，提升快，提升重量大，钻机可以270度旋转施工，工作台可前后移位，既可打小桩径又可打大桩径；动力强劲，动力头直接作用在钻头上，打桩时保持扭矩不衰减。旋挖钻机的钻进过程的成败，往往取决于施工过程中的五个关键参数的变化，这五个参数是钻头温度、转速、位移、倾角、扭矩。由于这几个参数都是基于时间而不断变化的，而且相互之间相互有影响，很难预测后一时间段的这几个参数的值的变化，这些参数的值对于控制旋挖钻机的钻头姿态起着关键作用。

技术实现思路

[0003]本专利技术基于以上技术问题，提出了一种桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统，该系统基于编码器
‑
解码器的架构，桥梁施工的时间序列数据首先通过数据编码模块，得到编码的数据，然后，经过一个带有三层编码层堆叠而成的编码器，得到编码输出；编码器的编码输出会作为解码器输入的一部分，解码器的另一部分输入是整个模型系统的输出又反馈回来并进行数据编码后的输出；解码器由三个解码层堆叠而成，解码器的输出送到投影模块，得到整个模型的输出。
[0004]在上述方案的基础上，所述的数据编码模块包括时间编码、符号编码和位置编码三个不同的通道，输入数据分别经过时间编码、符号编码和位置编码三个不同的通道，其结果进行向量相加，就会得到编码输出；
[0005]所述时间编码的公式如下：
[0006]TemporalEmbedding＝hour(X)+weekday(X)+day(X)+month(X)+minute(X)
[0007]其中hour的编码是取大小为24的固定编码，weekday的编码是取大小为7的固定编码，day的编码是取大小为32的固定编码，month的编码是取大小为13的编码，minute的编码是取大小为4的固定编码；每一个固定编码会生成一个大小为size*dim的向量，size即为上述hour、weekday等所述大小，dim为512，而该编码的参数则通过具有周期的正弦和余弦函数自动初始化生成。
[0008]在上述方案的基础上，所述符号编码的公式如下：
[0009]TokenEmbedding＝Transpose(Conv1D(X))
[0010]其中X为输入的三维向量，Conv1D为卷积核为3的一维卷积函数，Transpose的操作
是将三维向量的第2个维度和第3个维度调换。
[0011]在上述方案的基础上，所述位置编码是对于时序型数据，向量与向量之间的顺序关系往往影响整个序列的结果。位置嵌入其实就是一个矩阵，矩阵的生成如公式所示：
[0012]PE
(pos,2i)
＝sin(pos/10000
2i/dmodel
)
[0013]PE
(pos,2i+1)
＝cos(pos/10000
2i/dmodel
)
[0014]PE为二维矩阵，pos表示向量在序列中的位置，i表示在该向量中，每一个值所在的位置(在哪一个维度)。
[0015]在上述方案的基础上，所述编码器中的每个编码层的输入为Q、K、V,而且Q＝K＝V＝input,相当于将原输入分成三路，通过概率注意力计算后，得到输出记作M；M和输入V进行向量相加，得到结果记作N；N经过卷积函数1，得到S；S经过卷积函数2，得到T；然后将N和上一步结果T进行向量相加，得到编码层O；
[0016]其公式记作：
[0017]N＝M+V
[0018]O＝Conv2(Conv1(N))+N
[0019]其中M为概率注意力计算的输出，V为注意力的输入值，Conv1和Conv2为卷积函数，N为向量相加的结果，O为编码层的输出。
[0020]在上述方案的基础上，所述的解码器中的每个解码层的输入为Q、K、V,而且Q＝K＝V＝input,相当于将原输入分成三路，通过概率注意力计算后，得到输出记作M；M和输入V进行向量相加，得到结果记作N；同时，来自编码层的编码输出记作I，Q1＝K1＝I，V1＝N，通过完全注意力计算后，得到输出O,然后将N和O进行向量相加，得到结果记作P；然后P分别经过卷积函数1和卷积函数2，得到结果，记作T；最后，将P和T进行向量相加，得到结果即为解码层的输出，记作S；
[0021]其公式为：
[0022]N＝M+V
[0023]O＝FullAtten(I,I,N)
[0024]P＝O+N
[0025]T＝Conv2(Conv1(P))
[0026]S＝P+T
[0027]其中M为概率注意力的结果，V为注意力的输入值，N为向量相加的结果，I为输入，同时，也是完全注意力的Q和K值，FullAtten表示完全注意力，O表示完全注意力的结果，P表示向量相加的结果，Conv1和Conv2表示卷积函数，T表示两个卷积计算的结果，S表示最终解码层的输出；
[0028]完全注意力的计算如公式：
[0029][0030]这里Q表示输入的Query查询，K表示Key即键，V表示Value即值，d表示输入的维度；
[0031]概率注意力的计算如公式：
[0032][0033]这里K、V和d都和完全注意力的定义一致，唯一不同的是表示一个和Q同样大小的洗漱矩阵，它包含了原来Q的前N个查询值；对于前N个查询值，其衡量方法的公式为：
[0034][0035]这里q
i
表示Q的对应值，k
j
表示K的对应值，d表示维度大小，L
K
表示K的长度，max表示取最大值；表示第i个查询q
i
的注意力的概率值。
[0036]本专利技术还提出了一种上述的桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统的训练方法，训练的过程中，在旋挖钻机的桥梁施工现场，通过分布的物联网传感器，收集到各个施工位置的传感器数据，将传感器数据输入桥梁施工时间序列预测模型系统中进行训练；
[0037]训练过程中，通过验证集，来计算模型是否达到损失函数阙值的最优，如果未达到，则继续训练桥梁施工时间序列预测模型；直到训练达到在验证集损失函数达到阙值,则表示达到最佳桥梁施工时间序列预测模型；然后就保存该模型为二进制文件，此即为训练好的最优桥梁施工中旋挖钻机桩基施工状态的时间序列预测模型系统。
[0038]损失函数的计算方法为：
[0039][0040]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统，其特征在于，该系统基于编码器
‑
解码器的架构，桥梁施工的时间序列数据首先通过数据编码模块，得到编码的数据，然后，经过一个带有三层编码层堆叠而成的编码器，得到编码输出；编码器的编码输出会作为解码器输入的一部分，解码器的另一部分输入是整个模型系统的输出又反馈回来并进行数据编码后的输出；解码器由三个解码层堆叠而成，解码器的输出送到投影模块，得到整个模型的输出。2.根据权利要求1所述的桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统，其特征在于，所述的数据编码模块包括时间编码、符号编码和位置编码三个不同的通道，输入数据分别经过时间编码、符号编码和位置编码三个不同的通道，其结果进行向量相加，就会得到编码输出；所述时间编码的公式如下：TemporalEmbedding＝hour(X)+weekday(X)+day(X)+month(X)+minute(X)其中hour的编码是取大小为24的固定编码，weekday的编码是取大小为7的固定编码，day的编码是取大小为32的固定编码，month的编码是取大小为13的编码，minute的编码是取大小为4的固定编码；每一个固定编码会生成一个大小为size*dim的向量，size即为上述hour、weekday等所述大小，dim为512，而该编码的参数则通过具有周期的正弦和余弦函数自动初始化生成。3.根据权利要求2所述的桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统，其特征在于，所述符号编码的公式如下：TokenEmbedding＝Transpose(Conv1D(X))其中X为输入的三维向量，Conv1D为卷积核为3的一维卷积函数，Transpose的操作是将三维向量的第2个维度和第3个维度调换。4.根据权利要求2所述的桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统，其特征在于，所述位置编码是对于时序型数据，向量与向量之间的顺序关系往往影响整个序列的结果；位置嵌入是一个矩阵，矩阵的生成如公式所示：列的结果；位置嵌入是一个矩阵，矩阵的生成如公式所示：PE为二维矩阵，pos表示向量在序列中的位置，i表示在该向量中，每一个值所在的位置(在哪一个维度)。5.根据权利要求1所述的桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统，其特征在于，所述编码器中的每个编码层的输入为Q、K、V,而且Q＝K＝V＝input,相当于将原输入分成三路，通过概率注意力计算后，得到输出记作M；M和输入V进行向量相加，得到结果记作N；N经过卷积函数1，得到S；S经过卷积函数2，得到T；然后将N和上一步结果T进行向量相加，得到编码层O；其公式记作：N＝M+VO＝Conv2(Conv1(N))+N其中M为概率注意力计算的输出，V为注意力的输入值，Conv1和Conv2为卷积函数，N为
向量相加的结果，O为编码层的输出。6.根据权利要求1所述的桥梁施工中旋挖钻机桩基施工状态的时间序列预测系统，其特征在于，所述的解码器中的每个解...

【专利技术属性】
技术研发人员：王登攀，雷雨田，刘智瑜，郑小忠，陈栋栋，王铁铭，周志伟，赵腾，万海峰，
申请(专利权)人：中国山东国际经济技术合作有限公司，
类型：发明
国别省市：