中文字幕无码日韩视频无码三区

一種基于深度學習的網架施工傳感器優化布置方法與流程

文檔序號:38887126發布日期:2024-08-02 03:02閱讀:48來源(yuan):國知(zhi)局
一種基于深度學習的網架施工傳感器優化布置方法與流程

本發明屬于傳感器優(you)化(hua)布(bu)置(zhi)(zhi),特(te)別涉及(ji)一(yi)種基于深度學(xue)習的網(wang)架施工傳感器優(you)化(hua)布(bu)置(zhi)(zhi)方法。


背景技術:

1、在工程(cheng)項目(mu)(mu)監(jian)測(ce)系(xi)(xi)統(tong)(tong)(tong)中,傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)系(xi)(xi)統(tong)(tong)(tong)作為整(zheng)個項目(mu)(mu)最可靠的(de)(de)(de)(de)(de)(de)監(jian)視系(xi)(xi)統(tong)(tong)(tong)能(neng)夠快速反映結構(gou)的(de)(de)(de)(de)(de)(de)整(zheng)體(ti)健(jian)康狀況。通過傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)系(xi)(xi)統(tong)(tong)(tong)可以實時地對(dui)結構(gou)進(jin)行監(jian)測(ce),為后續(xu)工作打下基礎。在鋼(gang)網(wang)架(jia)的(de)(de)(de)(de)(de)(de)頂升過程(cheng)中,極易產(chan)生應力集(ji)中現(xian)象導致網(wang)架(jia)桿件(jian)的(de)(de)(de)(de)(de)(de)變(bian)(bian)形(xing),因此需要(yao)掌握提升單(dan)元和(he)已安裝結構(gou)的(de)(de)(de)(de)(de)(de)變(bian)(bian)形(xing)和(he)受(shou)力情況,對(dui)可能(neng)出(chu)現(xian)的(de)(de)(de)(de)(de)(de)險情和(he)事故提出(chu)警報,確保(bao)(bao)提升單(dan)元和(he)已安裝結構(gou)的(de)(de)(de)(de)(de)(de)安全。健(jian)康監(jian)測(ce)系(xi)(xi)統(tong)(tong)(tong)中傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)的(de)(de)(de)(de)(de)(de)布(bu)置應滿足以下2個目(mu)(mu)標:①傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)的(de)(de)(de)(de)(de)(de)分(fen)布(bu)能(neng)夠全面反映空(kong)間結構(gou)的(de)(de)(de)(de)(de)(de)健(jian)康信(xin)息;②測(ce)點處傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)能(neng)夠對(dui)空(kong)間結構(gou)的(de)(de)(de)(de)(de)(de)異常變(bian)(bian)化快速感(gan)知。現(xian)有(you)的(de)(de)(de)(de)(de)(de)傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)優化布(bu)置方(fang)(fang)法(fa)多以識別參(can)數的(de)(de)(de)(de)(de)(de)誤(wu)差(cha)最小(xiao)為目(mu)(mu)標來優化傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)布(bu)置,常見的(de)(de)(de)(de)(de)(de)優化方(fang)(fang)法(fa)有(you):有(you)效獨(du)立法(fa)(efi),該(gai)方(fang)(fang)法(fa)是按照各候選傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)布(bu)點對(dui)目(mu)(mu)標模(mo)態分(fen)量(liang)線性(xing)獨(du)立性(xing)的(de)(de)(de)(de)(de)(de)貢獻進(jin)行傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)位置排序(xu);能(neng)量(liang)法(fa),該(gai)方(fang)(fang)法(fa)從結構(gou)某自由度(du)的(de)(de)(de)(de)(de)(de)模(mo)態動能(neng)或單(dan)元應變(bian)(bian)能(neng)出(chu)發,按照能(neng)量(liang)的(de)(de)(de)(de)(de)(de)大小(xiao)進(jin)行排序(xu),從而選擇傳(chuan)(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)的(de)(de)(de)(de)(de)(de)位置;模(mo)型縮減準(zhun)則法(fa),將(jiang)模(mo)態反應起主要(yao)作用(yong)的(de)(de)(de)(de)(de)(de)自由度(du)保(bao)(bao)留(liu)下來作為測(ce)點位置。

2、現(xian)有(you)各(ge)類傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)優(you)化(hua)方(fang)法(fa)(fa)難以解決整(zheng)體(ti)空間問題,各(ge)種(zhong)(zhong)算(suan)法(fa)(fa)所依據的(de)理(li)論(lun)及優(you)化(hua)目(mu)標(biao)(biao)不同(tong),因此在(zai)同(tong)一(yi)結構的(de)相(xiang)(xiang)同(tong)條(tiao)件下(xia),不同(tong)的(de)優(you)化(hua)算(suan)法(fa)(fa)得到的(de)結論(lun)并(bing)不相(xiang)(xiang)同(tong)。對于(yu)大(da)型空間結構,存(cun)在(zai)著各(ge)種(zhong)(zhong)不確定,因此在(zai)傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)布(bu)置上需(xu)要在(zai)綜合多(duo)(duo)種(zhong)(zhong)方(fang)法(fa)(fa)的(de)基(ji)礎(chu)上,考慮(lv)具體(ti)的(de)結構特點和測(ce)量的(de)條(tiao)件定出(chu)(chu)最佳的(de)布(bu)置方(fang)案。傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)優(you)化(hua)是一(yi)種(zhong)(zhong)多(duo)(duo)目(mu)標(biao)(biao)優(you)化(hua),目(mu)前傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)布(bu)置方(fang)法(fa)(fa)大(da)多(duo)(duo)是基(ji)于(yu)最大(da)化(hua)系統的(de)可控性(xing)或客觀性(xing),而不是基(ji)于(yu)損傷檢測(ce),以損傷識別為目(mu)標(biao)(biao)的(de)傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)優(you)化(hua)亟待解決。且(qie)大(da)多(duo)(duo)數現(xian)有(you)傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)優(you)化(hua)方(fang)法(fa)(fa)是基(ji)于(yu)物理(li)模型的(de),導(dao)致計算(suan)效率(lv)不高還極易造成(cheng)傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)布(bu)置冗余(yu),針對以上現(xian)有(you)傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)優(you)化(hua)布(bu)置的(de)缺(que)陷,本發明提(ti)出(chu)(chu)一(yi)種(zhong)(zhong)基(ji)于(yu)深度(du)學習的(de)網架施(shi)工傳(chuan)(chuan)(chuan)(chuan)感(gan)器(qi)(qi)(qi)(qi)(qi)優(you)化(hua)布(bu)置方(fang)法(fa)(fa)。


技術實現思路

1、本發明(ming)的(de)目(mu)的(de)在于提供一種(zhong)基于深度學習的(de)網架施工(gong)傳感器優化布(bu)置方法。

2、本發明是通過如下措(cuo)施(shi)實現的:一(yi)種(zhong)基于深(shen)度學習的網架施(shi)工(gong)傳感器(qi)優化布置方法,其(qi)特征在于,包括,

3、以鋼網(wang)架的(de)結構形態信息和受力信息為輸出(chu)參(can)數(shu),以傳感器的(de)布置(zhi)位(wei)置(zhi)信息為輸出(chu)參(can)數(shu),構建數(shu)據庫;

4、將鋼網(wang)架結構(gou)信(xin)息(xi)與鋼網(wang)架受力信(xin)息(xi)連接作為輸(shu)入(ru)層(ceng)參數(shu)(shu),將傳(chuan)統傳(chuan)感器優化布(bu)置(zhi)位置(zhi)信(xin)息(xi)作為輸(shu)出層(ceng)參數(shu)(shu),搭建(jian)深(shen)度神經(jing)網(wang)絡進行數(shu)(shu)據訓練;

5、將目標鋼網架(jia)的節點信息和受力信息輸(shu)入訓練好的深度神經(jing)網絡中,得到具體的傳感器空間(jian)位置優(you)化信息。

6、進一步(bu)地,由于傳感(gan)器(qi)位(wei)置的確定參考了三種(zhong)不(bu)同的傳統(tong)方(fang)(fang)法,得(de)到的結果不(bu)可避免的產(chan)生冗(rong)余(yu),因此還包括采(cai)用hsic的非線性相關性識別方(fang)(fang)法,借助數(shu)值模擬軟(ruan)件模擬傳感(gan)器(qi)空間位(wei)置優化信息獲(huo)取情況(kuang),使用hsic方(fang)(fang)法去除(chu)信息高度相似的冗(rong)余(yu)傳感(gan)器(qi)。

7、進一步地,hsic方法去(qu)除信息高度相似(si)的(de)冗(rong)余傳感器,具(ju)體為:

8、當識別到兩個高(gao)相(xiang)關的傳感器信息后,立即隨機刪除一個傳感器;

9、重新對全局傳感器信息進(jin)行hsic計算;

10、不斷迭代,直(zhi)至全(quan)局傳(chuan)感器無高相關的情(qing)況。最后停止迭代,完成考(kao)慮到(dao)信息采樣有效性(xing)、經濟性(xing)的傳(chuan)感器優化布置工作。

11、進一步地,搭建深度神經網絡進行數據訓(xun)練(lian),包括,

12、將輸(shu)入(ru)輸(shu)出參數拉伸為一(yi)維矩陣(zhen)并與受(shou)力信息一(yi)維矩陣(zhen)拼接作(zuo)為整體特(te)征;

13、考(kao)慮到原始輸入參數(shu)輸出參數(shu)的(de)(de)維(wei)(wei)度較大(da),采(cai)用(yong)堆疊(die)降噪自(zi)編碼器對(dui)拼接后的(de)(de)數(shu)據(ju)進行降維(wei)(wei),將不同(tong)樣(yang)本(ben)(ben)下的(de)(de)數(shu)據(ju)大(da)小進行統一,方便神經網絡(luo)的(de)(de)訓練(lian)。同(tong)時降維(wei)(wei)后的(de)(de)數(shu)據(ju)能夠反映(ying)其本(ben)(ben)質(zhi)特(te)征(zheng),訓練(lian)效(xiao)果(guo)也會更好。

14、將降維后的鋼網架結構信息(xi)與鋼網架受力信息(xi)連(lian)接作為(wei)(wei)輸入層參數,將降維后的傳(chuan)統傳(chuan)感器優(you)化布置位置信息(xi)作為(wei)(wei)輸出(chu)層參數,搭建(jian)深度神經網絡進行數據訓練。

15、進一步地,深(shen)度神(shen)經網(wang)絡中:

16、輸入層節點數(shu)設計(ji)為36個,輸出層節點數(shu)設計(ji)為18個;

17、構建(jian)隱藏層(ceng)層(ceng)數為10層(ceng)的神經網絡模型(xing),各層(ceng)單(dan)元數目(mu)為[25,20,18,15,15,15,15,20,15,8];

18、激活函(han)數(shu)選(xuan)取relu函(han)數(shu),其值域為0到無限大,包含了輸入輸出(chu)數(shu)據的值域;

19、損(sun)失(shi)函數(shu)測量(liang)的是預測值與真實值之間的差異,選擇相(xiang)同形(xing)狀矩陣(zhen)之間的歐氏(shi)距(ju)離作為損(sun)失(shi)變量(liang);

20、優化器選擇隨(sui)機梯度下降(jiang),設置(zhi)學習率為0.001,迭(die)代次(ci)數(shu)為1600次(ci),并對神(shen)經網絡輸(shu)入驗證集數(shu)據的(de)預(yu)(yu)測結(jie)果取四舍五(wu)入為最(zui)終預(yu)(yu)測值。

21、進一步地,在(zai)建(jian)模軟件中構(gou)(gou)(gou)建(jian)不(bu)同(tong)(tong)類(lei)型、不(bu)同(tong)(tong)尺寸的(de)鋼(gang)網架實體結構(gou)(gou)(gou)并導出,獲(huo)取模型中節點處的(de)相對位(wei)置坐標作為鋼(gang)網架的(de)結構(gou)(gou)(gou)形(xing)態信息(xi)。

22、進一步地,通過(guo)abaqus數值模擬獲(huo)取鋼網(wang)架的抬升過(guo)程中的主(zhu)要(yao)受力點(dian),將主(zhu)要(yao)受力點(dian)作(zuo)為受力信息。

23、進一步地,使用改進有效(xiao)獨立法、遺傳(chuan)算法、fisher信息矩陣(zhen)三種傳(chuan)統傳(chuan)感(gan)器(qi)優(you)化布置(zhi)(zhi)方法,集成所(suo)有傳(chuan)感(gan)器(qi)布設位(wei)置(zhi)(zhi),將布設位(wei)置(zhi)(zhi)作(zuo)為傳(chuan)感(gan)器(qi)的布置(zhi)(zhi)位(wei)置(zhi)(zhi)信息。

24、本申請的一種(zhong)實施例中(zhong):提(ti)供(gong)一種(zhong)存(cun)儲介(jie)質,其(qi)特(te)征(zheng)在于,所(suo)(suo)述存(cun)儲介(jie)質存(cun)儲有一個或者多個程(cheng)序,所(suo)(suo)述一個或者多個程(cheng)序可被(bei)一個或者多個處理器執行,以(yi)實現所(suo)(suo)述的網架施工(gong)傳感器優化布置方法(fa)。

25、本申請的一(yi)種(zhong)實(shi)施(shi)(shi)例中:提供一(yi)種(zhong)電子設備,其特征在(zai)于(yu),包括:處理(li)器(qi)(qi)和(he)存儲器(qi)(qi),所(suo)述(shu)處理(li)器(qi)(qi)用(yong)于(yu)執(zhi)行所(suo)述(shu)存儲器(qi)(qi)中存儲的網架施(shi)(shi)工(gong)傳感器(qi)(qi)優(you)化布置方(fang)法的程序,以實(shi)現網架施(shi)(shi)工(gong)傳感器(qi)(qi)優(you)化布置方(fang)法。

26、本發明實施例提供(gong)的(de)(de)(de)(de)(de)(de)技術方(fang)案帶來的(de)(de)(de)(de)(de)(de)有益(yi)效(xiao)果是(shi):綜合現有先進(jin)基于物(wu)理(li)模(mo)型的(de)(de)(de)(de)(de)(de)傳(chuan)(chuan)感(gan)(gan)器(qi)優化(hua)布(bu)置(zhi)(zhi)方(fang)法(fa),搭建(jian)鋼(gang)網架抬升過程傳(chuan)(chuan)感(gan)(gan)器(qi)優化(hua)布(bu)置(zhi)(zhi)位置(zhi)(zhi)數據(ju)庫,采用深(shen)度(du)(du)學(xue)習(xi)模(mo)型學(xue)習(xi)布(bu)置(zhi)(zhi)方(fang)法(fa)并(bing)采用非線(xian)性(xing)相關(guan)性(xing)方(fang)法(fa)去除冗余(yu)傳(chuan)(chuan)感(gan)(gan)器(qi)。克服了傳(chuan)(chuan)統的(de)(de)(de)(de)(de)(de)基于物(wu)理(li)模(mo)型的(de)(de)(de)(de)(de)(de)傳(chuan)(chuan)感(gan)(gan)器(qi)優化(hua)設(she)計(ji)中存在(zai)的(de)(de)(de)(de)(de)(de)計(ji)算(suan)成本較高且(qie)忽略(lve)經(jing)濟(ji)(ji)性(xing)的(de)(de)(de)(de)(de)(de)問題;采用數據(ju)驅動的(de)(de)(de)(de)(de)(de)深(shen)度(du)(du)學(xue)習(xi)方(fang)法(fa)進(jin)行(xing)傳(chuan)(chuan)感(gan)(gan)器(qi)優化(hua)布(bu)置(zhi)(zhi)設(she)計(ji),并(bing)采用非線(xian)性(xing)的(de)(de)(de)(de)(de)(de)相關(guan)性(xing)判定方(fang)法(fa)去除冗余(yu)傳(chuan)(chuan)感(gan)(gan)器(qi),以最(zui)大程度(du)(du)提高設(she)計(ji)效(xiao)率(lv)并(bing)降(jiang)低經(jing)濟(ji)(ji)成本,且(qie)在(zai)速度(du)(du)上、可(ke)(ke)移植性(xing)、可(ke)(ke)擴展性(xing)和有效(xiao)性(xing)相對(dui)傳(chuan)(chuan)統優化(hua)布(bu)置(zhi)(zhi)方(fang)法(fa)均有優勢。



技術特征:

1.一種基于深度學(xue)習的網架施(shi)工(gong)傳感器優化布置方法,其特(te)征在于,包括(kuo),

2.根據權利要求1所(suo)述(shu)的網架施工傳感(gan)器優(you)化布(bu)置方法(fa),其(qi)特(te)征在于,還包括采用(yong)hsic的非線性(xing)相關性(xing)識(shi)別方法(fa),借助數值模擬(ni)軟件模擬(ni)傳感(gan)器空間位置優(you)化信(xin)(xin)息獲(huo)取(qu)情況,使(shi)用(yong)hsic方法(fa)去除信(xin)(xin)息高(gao)度相似的冗余傳感(gan)器。

3.根據權(quan)利(li)要求2所述(shu)的網(wang)架施工傳感器優(you)化布(bu)置(zhi)方法,其特征在于,hsic方法去(qu)除信息高度(du)相(xiang)似(si)的冗(rong)余(yu)傳感器,具體為(wei):

4.根據(ju)權利要(yao)求1所述(shu)的網架施工傳(chuan)感(gan)器(qi)優(you)化布(bu)置(zhi)方(fang)法,其(qi)特(te)征在于,搭建深度神經(jing)網絡進行數據(ju)訓練,包(bao)括,

5.根據權利要求1所述的網(wang)架(jia)施工傳感器優化布置方法,其特(te)征在于,深度神經網(wang)絡中:

6.根(gen)據權利(li)要求(qiu)1所(suo)述的網架施工傳感器(qi)優化布(bu)置方(fang)法,其特征(zheng)在于,在建(jian)模軟件中構(gou)(gou)建(jian)不同類(lei)型(xing)、不同尺(chi)寸的鋼網架實體結(jie)(jie)構(gou)(gou)并導出,獲取模型(xing)中節點(dian)處的相對位置坐標(biao)作為鋼網架的結(jie)(jie)構(gou)(gou)形態(tai)信息(xi)。

7.根據權(quan)利(li)要求1所述(shu)的(de)(de)網架施工傳感器優化(hua)布置方法(fa),其特(te)征在于(yu),通過abaqus數值模擬獲取(qu)鋼網架的(de)(de)抬(tai)升過程中的(de)(de)主要受力(li)(li)點(dian),將(jiang)主要受力(li)(li)點(dian)作(zuo)為受力(li)(li)信息(xi)。

8.根據權利要求1所述的網架施(shi)工(gong)傳(chuan)(chuan)(chuan)感器優化布置(zhi)(zhi)方(fang)法(fa),其特征(zheng)在于(yu),使用改進有(you)效(xiao)獨(du)立法(fa)、遺傳(chuan)(chuan)(chuan)算法(fa)、fisher信息矩(ju)陣三種傳(chuan)(chuan)(chuan)統傳(chuan)(chuan)(chuan)感器優化布置(zhi)(zhi)方(fang)法(fa),集成所有(you)傳(chuan)(chuan)(chuan)感器布設位(wei)置(zhi)(zhi),將布設位(wei)置(zhi)(zhi)作為傳(chuan)(chuan)(chuan)感器的布置(zhi)(zhi)位(wei)置(zhi)(zhi)信息。

9.一種存(cun)儲(chu)介(jie)質,其特征在于,所述存(cun)儲(chu)介(jie)質存(cun)儲(chu)有一個(ge)或(huo)者多個(ge)程序(xu),所述一個(ge)或(huo)者多個(ge)程序(xu)可(ke)被(bei)一個(ge)或(huo)者多個(ge)處理(li)器(qi)執行,以(yi)實現權利要(yao)求1-8中(zhong)任一項所述的網(wang)架施工(gong)傳感器(qi)優化(hua)布置方法。

10.一(yi)種電子設備(bei),其特(te)征在于,包括:處理器(qi)(qi)和存(cun)儲器(qi)(qi),所述(shu)處理器(qi)(qi)用于執(zhi)行所述(shu)存(cun)儲器(qi)(qi)中(zhong)存(cun)儲的(de)網架(jia)施(shi)工(gong)傳感器(qi)(qi)優化布(bu)置方法的(de)程序,以實現權利要求1-9中(zhong)任一(yi)項所述(shu)的(de)網架(jia)施(shi)工(gong)傳感器(qi)(qi)優化布(bu)置方法。


技術總結
本發明公開了一種基于深度學習的網架施工傳感器優化布置方法,屬于傳感器優化布置技術領域,技術方案為,包括,以鋼網架的結構形態信息和受力信息為輸出參數,以傳感器的布置位置信息為輸出參數,構建數據庫;將鋼網架結構信息與鋼網架受力信息連接作為輸入層參數,將傳統傳感器優化布置位置信息作為輸出層參數,搭建深度神經網絡進行數據訓練;將目標鋼網架的節點信息和受力信息輸入訓練好的深度神經網絡中,得到具體的傳感器空間位置優化信息。本發明的有益效果為:本發明采用數據驅動的深度學習方法進行傳感器優化布置設計,并采用非線性的相關性判定方法去除冗余傳感器,以最大程度提高設計效率并降低經濟成本。

技術研發人員:張龍海,孫宇,曹金輝,李偉,莊新龍,李寶弟,賈利剛,李垚,王冉
受保護的技術使用者:中建八局第一建設有限公司
技術研發日:
技術公布日:2024/8/1
網友詢問(wen)留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1