申请/专利权人:国网江苏省电力有限公司建设分公司
申请日:2023-12-04
公开(公告)日:2024-04-02
公开(公告)号:CN117807473A
主分类号:G06F18/24
分类号:G06F18/24;G06F18/2131;G06N3/0499;G06N3/084;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及路基压实度计算技术领域,具体是基于人工神经网络模型的电站回填土压实度质量评价方法,首先采集压路机的振动信号谐波的频域幅值,基波的频域幅值,路面的压实度实测值,以及仪器测量得到的CMV值、CCV值和VCV值。接着通过振动信号谐波的频域幅值和基波的频域幅值计算各个原始样本的CMV值、CCV值和VCV值,并再次存储在原始样本中。然后将原始样本输入到神经网络中进行训练,得到压实度最优预测模型。最后将施工过程中仪器实时测量得到的CMV值、CCV值和VCV值输入到压实度最优预测模型中,预测道路的实时压实度。本发明通过多个振动数据的综合考虑,能够有效的提高路面实时压实度计算的准确性。
主权项:1.基于人工神经网络模型的电站回填土压实度质量评价方法,其特征在于,包括以下步骤:S1、按照设定采样频率,采集设定时间内压路机的振动数据,振动数据包括振动信号谐波的频域幅值,振动信号基波的频域幅值,路面的压实度实测值,以及通过仪器测量得到的CMV值、CCV值和VCV值,并存储在对应的原始样本中;S2、通过振动信号谐波的频域幅值和基波的频域幅值计算各个原始样本的CMV值、CCV值和VCV值,并将计算得到的CMV值、CCV值和VCV值存储在原始样本中;S3、以压实度作为标签,将原始样本输入到神经网络中进行训练,以训练得到压实度最优预测模型;S4、将压路机当前施工过程中通过仪器实时测量得到的CMV值、CCV值和VCV值输入到压实度最优预测模型中,预测道路的实时压实度。
全文数据:
权利要求:
百度查询: 国网江苏省电力有限公司建设分公司 基于人工神经网络模型的电站回填土压实度质量评价方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。