【技术实现步骤摘要】
本专利技术涉及震动监测领域，尤其涉及一种大坝强震监测方法、装置及计算机可读存储介质。
技术介绍
1、水资源是人类生存和发展的重要基础，大坝作为水利工程的关键构筑物，不仅在水资源调控方面发挥着重要作用，同时也承载着防洪、发电和灌溉等多重功能。然而，大坝的稳定性和安全性一直是水利工程领域的重要关切点之一。特别是在地震频发地区，地震轻则导致结构振动和应力增加、水位波动和设备、机组产生震动；重则不仅会造成水工建筑物的倒塌、道路的损毁，甚至导致人员伤亡和社会稳定的动荡。因此，对大坝的强震安全监测变得尤为紧迫和重要。
2、传统的大坝监测系统主要依赖于传感器、数据采集装置和数据分析方法，用于监测大坝的结构参数和基本状态。然而，这些现有技术在强震事件的监测和预警方面存在一些缺点，如下所述：
3、缺点1：传感器布置单一：传统的大坝强震监测系统主要依赖于基础传感器，如加速度计、位移计等，用于捕捉地震波和大坝结构的响应。然而，这些传感器往往无法准确地感知大坝周围的环境变化和机组振动等信息，导致监测数据的不完整性。
4、缺点2：强震事件判定不准确：传统系统通常只关注地震事件本身，而未能考虑到地震波传播路径、震源位置、机组振动等因素的综合影响。这种单一参数分析容易造成误判，无法准确预测地震事件对大坝的影响。
5、缺点3：尚未实现与机组振动情况的联动：机组振动是运行期电站的常见振动因素，但由于传统系统缺乏对机组振动情况的联动监测，当机组运行时产生的振动被误认为是地震信号，容易导致误判，进而影响预警的准确性和时
技术实现思路
1、本专利技术所要解决的技术问题是：提供一种大坝强震监测方法、装置及计算机可读存储介质，能够提高大坝强震监测的准确性和可靠性。
2、为了解决上述技术问题，本专利技术采用的一种技术方案为：
3、一种大坝强震监测方法，包括步骤：
4、获取大坝强震监测值，所述大坝强震监测值包括大坝监测点的加速度值、大坝的结构性监测数据以及大坝机组监测数据；
5、根据所述大坝强震监测值和预设的大坝强震监测模型确定大坝强震监测结果，所述预设的大坝强震监测模型为由适配大坝结构性态的核函数构建的核极限学习机，并且在对所述预设的大坝强震监测模型进行寻参的过程中，采用通过惯性权重和局部搜索策略改进的布谷鸟算法实现寻参。
6、进一步地，所述获取大坝强震监测值之前还包括步骤：
7、监测所述大坝的震动频率，当所述震动频率大于预设阈值时，获取大坝强震监测值。
8、进一步地，所述预设的大坝强震监测模型o(x)为：
9、
10、k(x,xi)＝ρ·kpoly(x,xi)+(1-ρ)·krbf(x,xi)
11、kpoly(x,xi)＝(x·xi+1)d
12、
13、式中，c为正则化系数，i为对角矩阵，k(x,xi)和kelm分别为核函数和核矩阵，t为强震事件目标判断矩阵，ρ为核函数调节参数，q为样本数量，x为输入向量，xi为第i个样本，δ、d均为核参数。
14、进一步地，在布谷鸟算法中，采用通过惯性权重改进的布谷鸟寻优模型为：
15、
16、
17、式中，α为步长因子，μ，v服从标准正态分布，l为当前种群迭代步数，λ为莱维飞行参数，取1.5；和分别表示第m次迭代中第j个个体与种群最佳个体的位置；取值如下所示：
18、
19、进一步地，所述采用局部搜索策略改进的布谷鸟算法实现寻参包括：
20、在对布谷鸟算法每次迭代完成后，将寻优个体按下式生成混沌变量：
21、
22、式中，n为迭代次数，和分别代表布谷鸟算法在第i维的上限与下限；
23、采用下式生成混沌序列：
24、
25、将所述混沌序列重新映射至目标解的搜索空间，将其与最优个体进行比对，从而挑选适应度更优的种群进行迭代，从而完成局部搜索过程：
26、
27、进一步地，大坝的结构性监测数据包括大坝的变形数据、渗漏数据以及应力数据；
28、所述大坝机组监测数据包括大坝机组中的上导摆度、上机架振动、定子支架振动、轴向振动、推力摆度、水导摆度以及顶盖振动的监测值。
29、为了解决上述技术问题，本专利技术采用的另一种技术方案为：
30、一种大坝强震监测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种大坝强震监测方法的步骤。
31、为了解决上述技术问题，本专利技术采用的另一种技术方案为：
32、一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述一种大坝强震监测方法的步骤。
33、本专利技术的有益效果在于：在大坝强震监测中，考虑了多源信息，不仅考虑大坝监测点的加速度值，还考虑大坝的结构性监测数据以及大坝机组监测数据，通过多源信息进行综合分析，使得对大坝强震事件的监测和预警更加准确可靠；并且考虑到大坝的监测数据具有多种变化特征，即同时包含有趋势变化型、周期变化型、突变型的数据变化特征，由适配大坝结构性态的核函数构建的核极限学习机作为预设的大坝强震监测模型，并采用通过惯性权重和局部搜索策略改进的布谷鸟算法实现寻参，既能够适配大坝监测数据的结构性态，也能够避免由于监测数据过于多源导致的监测模型寻参过拟合问题，通过对输入数据的多源化设计、对构建的大坝强震监测模型的改进以及大坝强震监测模型寻参过程的优化，大大提高了大坝强震监测的准确性和可靠性。
本文档来自技高网...【技术保护点】
1.一种大坝强震监测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种大坝强震监测方法，其特征在于，所述获取大坝强震监测值之前还包括步骤：
3.根据权利要求1或2所述的一种大坝强震监测方法，其特征在于，所述预设的大坝强震监测模型o(X)为：
4.根据权利要求3所述的一种大坝强震监测方法，其特征在于，在布谷鸟算法中，采用通过惯性权重改进的布谷鸟寻优模型为：
5.根据权利要求4所述的一种大坝强震监测方法，其特征在于，所述采用局部搜索策略改进的布谷鸟算法实现寻参包括：
6.根据权利要求1至2及4至5中任一项所述的一种大坝强震监测方法，其特征在于，大坝的结构性监测数据包括大坝的变形数据、渗漏数据以及应力数据；
7.一种大坝强震监测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的一种大坝强震监测方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行
...【技术特征摘要】
1.一种大坝强震监测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种大坝强震监测方法，其特征在于，所述获取大坝强震监测值之前还包括步骤：
3.根据权利要求1或2所述的一种大坝强震监测方法，其特征在于，所述预设的大坝强震监测模型o(x)为：
4.根据权利要求3所述的一种大坝强震监测方法，其特征在于，在布谷鸟算法中，采用通过惯性权重改进的布谷鸟寻优模型为：
5.根据权利要求4所述的一种大坝强震监测方法，其特征在于，所述采用局部搜索策略改进的布谷鸟算法实现寻参包括：
【专利技术属性】
技术研发人员：谢怀宇，黄鑫，林育任，黄云挥，林勘尘，魏守坤，周振辉，刘枨，陈演，黄秋萍，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：
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。