System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种钢筋混凝土构件抗冲击防护设计和灾害评估方法技术_技高网

一种钢筋混凝土构件抗冲击防护设计和灾害评估方法技术

技术编号:40196645 阅读:6 留言:0更新日期:2024-01-27 00:00
本发明专利技术涉及土木工程抗冲击性能评估领域,具体公开了一种钢筋混凝土构件抗冲击防护设计和灾害评估方法;本发明专利技术基于机器学习算法,采用冲击后RC构件损伤模式作为指标,建立了RC构件抗冲击性能预测评估的快速可靠方法。通过对已有历史试验数据的充分使用,避免了进行大量的费时费力的模型试验和技术要求较高的仿真模拟,可以更为快速和准确地评价RC构件的抗冲击能力,本发明专利技术开发的可解释的冲击损伤分类模型是一种新的有效的支撑工具,可以作为实际设计中预测RC面板在大口径弹丸冲击载荷作用下的局部损伤,特别是在初始设计阶段,供设计师和工程师快速评估受冲击载荷的钢筋混凝土板损伤模式。

【技术实现步骤摘要】

本专利技术属于土木工程抗冲击性能评估,具体涉及一种钢筋混凝土构件抗冲击防护设计和灾害评估方法


技术介绍

1、钢筋混凝土(rc)板在核电站(npp)和大型lng储罐的外部安全壳结构中作为防护结构被广泛应用。评估钢筋混凝土板在管线、法兰等较大口径物体冲击下的局部损伤是工程防护设计和灾害评估中的重要任务。现有的研究主要依赖于试验和传统经验公式进行,然而,试验研究中,通常对试验仪器设备要求高,具有技术复杂、成本高、试验样本数据量小和类别不平衡的问题。同时,传统经验公式多基于小口径弹体冲击试验的结果,其在大口径冲击分析中的有效性仍需广泛验证。这些传统方法又具有昂贵、复杂、耗时的缺陷,并且存在难以考虑混凝土、钢筋和几何参数等多个因素之间的交互影响的局限性。为了克服这些局限性,本专利技术提出了一种结合catboost和smote-nc过采样算法的混合集成学习(el)优化模型,用于预测钢筋混凝土板在大口径刚性弹丸冲击载荷作用下的损伤模式。


技术实现思路

1、本专利技术的目的在于提供一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,以解决上述
技术介绍
中提出的问题。

2、为实现上述目的,本专利技术提供如下技术方案:

3、一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,具体包括以下步骤:

4、s1、获得大量大口径刚性弹丸冲击钢筋混凝土板的实验数据构建数据库,包括冲击试验参数和构件特征参数,将数据集按照8:2划分为训练集和测试集;

5、s2、将冲击试验弹体参数和构件特征参数作为输入参数,冲击后钢筋混凝土构件的损伤模式为输出参数,将训练集数据集第二次按照8:2使用十折交叉验证方法分为训练集和验证集;

6、s3、进一步采用smote-nc过采样算法对训练集数据库进行优化来解决类别不平衡的问题;

7、s4、确定使用集成学习算法,利用训练集对catboost模型进行训练,获得训练后的损伤模式预测模型;

8、s5、采用测试集检验已经训练完成模型的预测性能,若预测精度不满足要求,通过贝叶斯超参数优化方法调整catboost模型参数对预测模型进行修正,直至达到合适的预测精度;

9、s6、对于具体的钢筋混凝土构件,利用训练完成的混合集成catboost预测模型进行不同冲击参数下的损伤模式预测,获得损伤模式结果;

10、s7、基于训练好的模型,使用shap分析方法,获得混凝土、钢筋和几何参数多种因子对损伤的贡献程度,以及这些因子之间的交互作用对损伤的影响图示结果。

11、优选的,所述s1中冲击试验参数包括影响冲击损伤的相关靶体特性,包括但不限于靶板尺寸、混凝土板厚度、钢筋屈服强度与分布间距、配筋率和混凝土强度,以及弹体特性,包括但不限于:弹体直径、弹体材料屈服强度、弹体质量和弹体冲击速度,这些参数作为输入变量,所有数据集中的构件的边界约束条件相同。

12、优选的,所述s3所使用的smotenc算法包含以下步骤:首先,计算两个样本之间的距离,使用knn算法对少数类样本的每个数据进行搜索其k个最近邻样本,其次,对于每个原始样本,其k个最近邻样本被随机选择,并且在原始样本与其最近邻样本之间进行插值,最后,所有生成的新样本都被添加到原始数据集中,以减少数据集中的类别不平衡。

13、优选的,所述s4中利用训练集对catboost模型进行训练,获得训练后的损伤模式预测模型。

14、优选的,所述s5中采用测试集检验已经训练完成模型的预测性能,若预测精度不满足要求,通过贝叶斯超参数优化方法调整catboost模型参数对预测模型进行修正,直至达到合适的预测精度,当然也可以使用包括随机搜索,网格搜索等调优方案调整模型参数,只需达到最佳精度即可。

15、优选的,所述s6中对于具体的钢筋混凝土构件,利用训练完成的混合集成catboost预测模型进行不同冲击参数下的损伤模式预测,获得损伤模式结果,此处的不同冲击参数可以依据具体的试验方案需要进行设定。

16、优选的,所述s7基于训练好的模型,使用shap分析方法,获得混凝土、钢筋和几何参数多种因子对损伤的贡献程度,以及这些因子之间的交互作用对损伤的影响图示结果,shap作为一种辅助工具在这里做模型的可视化作用,可以依据需要绘制相应的特征变量交互影响结果图。

17、与现有技术相比,本专利技术的有益效果是:

18、(1)本专利技术基于机器学习算法,采用冲击后rc构件损伤模式作为指标,建立了rc构件抗冲击性能预测评估的快速可靠方法。通过对已有历史试验数据的充分使用,避免了进行大量的费时费力的模型试验和技术要求较高的仿真模拟,可以更为快速和准确地评价rc构件的抗冲击能力。

19、(2)本专利技术开发的可解释的冲击损伤分类模型是一种新的有效的支撑工具,可以作为实际设计中预测rc面板在大口径弹丸冲击载荷作用下的局部损伤,特别是在初始设计阶段,供设计师和工程师快速评估受冲击载荷的钢筋混凝土板损伤模式。

本文档来自技高网...

【技术保护点】

1.一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于,具体包括以下步骤:

2.根据权利要求1所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述S1中冲击试验参数包括影响冲击损伤的相关靶体特性,包括但不限于靶板尺寸、混凝土板厚度、钢筋屈服强度与分布间距、配筋率和混凝土强度,以及弹体特性,包括但不限于:弹体直径、弹体材料屈服强度、弹体质量和弹体冲击速度,这些参数作为输入变量,所有数据集中的构件的边界约束条件相同。

3.根据权利要求2所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述S3所使用的smotenc算法包含以下步骤:首先,计算两个样本之间的距离,使用KNN算法对少数类样本的每个数据进行搜索其K个最近邻样本,其次,对于每个原始样本,其K个最近邻样本被随机选择,并且在原始样本与其最近邻样本之间进行插值,最后,所有生成的新样本都被添加到原始数据集中,以减少数据集中的类别不平衡。

4.根据权利要求3所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述S4中利用训练集对catboost模型进行训练,获得训练后的损伤模式预测模型。

5.根据权利要求4所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述S5中采用测试集检验已经训练完成模型的预测性能,若预测精度不满足要求,通过贝叶斯超参数优化方法调整catboost模型参数对预测模型进行修正,直至达到合适的预测精度,当然也可以使用包括但不限于随机搜索、网格搜索多个调优方案调整模型参数,只需达到最佳精度即可。

6.根据权利要求5所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述S6中对于具体的钢筋混凝土构件,利用训练完成的混合集成catboost预测模型进行不同冲击参数下的损伤模式预测,获得损伤模式结果,此处的不同冲击参数可以依据具体的试验方案需要进行设定。

7.根据权利要求6所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述S7基于训练好的模型,使用SHAP分析方法,获得混凝土、钢筋和几何参数多种因子对损伤的贡献程度,以及这些因子之间的交互作用对损伤的影响图示结果,SHAP作为一种辅助工具在这里做模型的可视化作用,可以依据需要绘制相应的特征变量交互影响结果图。

...

【技术特征摘要】

1.一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于,具体包括以下步骤:

2.根据权利要求1所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述s1中冲击试验参数包括影响冲击损伤的相关靶体特性,包括但不限于靶板尺寸、混凝土板厚度、钢筋屈服强度与分布间距、配筋率和混凝土强度,以及弹体特性,包括但不限于:弹体直径、弹体材料屈服强度、弹体质量和弹体冲击速度,这些参数作为输入变量,所有数据集中的构件的边界约束条件相同。

3.根据权利要求2所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述s3所使用的smotenc算法包含以下步骤:首先,计算两个样本之间的距离,使用knn算法对少数类样本的每个数据进行搜索其k个最近邻样本,其次,对于每个原始样本,其k个最近邻样本被随机选择,并且在原始样本与其最近邻样本之间进行插值,最后,所有生成的新样本都被添加到原始数据集中,以减少数据集中的类别不平衡。

4.根据权利要求3所述的一种钢筋混凝土构件抗冲击防护设计和灾害评估方法,其特征在于:所述s4中利用训练集对catboost模型进行训练,获得...

【专利技术属性】
技术研发人员:邹德磊方翔吴莉莉迪力亚尔·托合提滕京霖王俊颖宋世洋
申请(专利权)人:大连民族大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1