申请/专利权人：南京河海南自水电自动化有限公司

申请日：2022-10-14

公开（公告）日：2024-04-16

公开（公告）号：CN115659729B

主分类号：G06F30/23

分类号：G06F30/23;G06F30/27;G06F30/13;G06N3/0499;G06N3/048;G06N3/084;G06F111/04;G06F111/06;G06F119/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.02.17#实质审查的生效;2023.01.31#公开

摘要：本发明公开了一种基于结构仿真计算的大坝安全监测分析方法及系统包括，根据大坝工程实际结构与工况数据，建立大坝有限元结构模型；结合大坝实测历史数据与所述有限元结构模型，利用优化算法对计算仿真模型的参数进行反演分析；基于反演后的仿真模型，利用有限元软件综合计算分析大坝运行现状，并利用预测的环境量带入模型，对大坝发展趋势进行预测分析与评判，且对预测结果进行自动生成，实现监测信息定期报表获取。多种方法结合的模型，可以进行全面的论证分析，极大的减少了人工的计算量，安全监测数据分析的智能化、信息化，提高了预测分析的及时性。

主权项：1.一种基于结构仿真计算的大坝安全监测分析方法，其特征在于：包括，根据大坝工程实际结构与工况数据，建立大坝有限元结构模型；结合大坝实测历史数据与所述有限元结构模型，利用优化算法对计算仿真模型的参数进行反演分析；基于反演后的仿真模型，利用有限元软件综合计算分析大坝运行现状，并利用预测的环境量带入模型，对大坝发展趋势进行预测分析与评判，且对预测结果进行自动生成，实现监测信息定期报表获取；所述反演分析包括，组织训练样本，根据相关试验数据，选取弹性模量、泊松比、密度与导热系数的参数样本范围；初始化网络和给定参数，提供训练模式进行训练，满足预设精度后停止；选取实测值输入网络，则可输出待求的参数值；所述预测分析与评判包括，获取反演坝段的监测仪器编号和时段信息；根据所述仪器编号，从已有数据库中查询相应监测仪器的原始位移监测值、环境量信息；基于反演后的仿真模型模型，对监测信息进行分析，得到变形的水压分量；根据工程资料，确定坝基模量取值范围，在其范围内随机生成F个可行的待定反演参数；结合已经建立的有限元结构模型，计算测点所在断面每个初始量相应的值，并提取测点对应有限元网格节点的结果值；将所述测点的分量值与所述有限元结构模型中有限元程序计算位移的离差平方和作为目标函数；根据所述目标函数所得反演参数代入有限元计算模型，进行模拟分析，将有限元计算值与监测值对比分析；利用预测或模拟的水位、温度与降雨量，对大坝发展趋势进行预测分析，对大坝的安全运行状态进行评价；所述优化算法包括建立大坝安全监测模型，把回归系数作为遗传算法优化方程的决策变量；确定问题优化的适应度函数、约束条件及设计变量；确定遗传算法的运行参数和控制参数，并随机选择初始种群，完成种群的初始化；重复进行执行选择算子、交叉算子与变异算子的R次迭代，选择最佳个体作为算法的结果，建议遗传算法的偏回归模型，输出结果；所述反演分析包括BP网络模型，所述BP网络模型包括输入输出模型、作用函数模型、误差计算模型和自学习模型；输出模型又分为：隐节点输出模型和输出节点输出模型；所述节点输出模型包括，隐节点输出模型：Oj＝fΣWij×Xi-qj输出节点输出模型：Yk＝fΣTjk×Oj-qk其中，Wij为输入节点和隐层节点的联接强度；Tjk为隐层节点与输出节点之间的联接强度；f为非线形作用函数；q为神经单元阈值；所述作用函数又称刺激函数，反映下层输入对上层节点刺激脉冲强度的函数，一般取为0，1内连续取值Sigmoid函数： 所述误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数： 其中，tpi表示节点的期望输出值，Opi为节点计算输出值；所述自学习模型为：ΔWijn+1＝h×Φi×Oj+a×ΔWijn其中，h为学习因子，Фi为输出节点i的计算误差，Oj为输出节点j的计算输出，a为动量因子；所述分析大坝安全现状包括遗传算法，所述遗传算法包括以下步骤：建立大坝安全监测模型，把回归系数作为遗传算法优化方程的决策变量；确定问题优化的适应度函数、约束条件及设计变量；确定遗传算法的运行参数和控制参数，包括个体数量N、种群规模M、交叉概率Pc、变异概率Pm、进化终止代数T；随机选择初始种群；每个个体所含的决策变量xi在各自的定义域中[ai，bi]中随机选取：xij＝aij+bij-aijr其中，xij为第j个个体中的第i个决策变量，r为0，1区间均匀分布的随机数；把每次产生的A个基因进行排列构成染色体，如此产生B次产生B个染色体，完成种群的初始化；执行选择算子；计算群体中每个个体适应度，再计算每个个体的个体适应度占总适应度的比例即选择概率；执行交叉算子；不同优化问题中采用不同的算子，主要有单点交叉、两点交叉、多点交叉、部分匹配交叉、均匀交叉、顺序交叉；执行变异算子；主要有基本位变异、均匀变异、边界变异、非均匀变异、高斯变异；不同的区域和优化问题，采用不同的变异算子；重复执行选择算子、交叉算子与变异算子进行R次迭代，选择最佳个体作为算法的结果，建议遗传算法的偏回归模型，输出结果；所述预测分析与评判包括混凝土坝水平位移监测资料的统计模型、土石坝的水平位移统计模型、大坝渗流量统计模型以及大坝扬压力、绕坝渗流水位统计模型；所述混凝土坝水平位移监测资料的统计模型： 其中，δ为位移量；a1i为水压因子回归系数，H1、H10分别为监测日、始测日所对应的水头；拱坝、接缝及裂缝：i＝1～4，其余i＝1～3；bi为温度因子回归系数，Ti表示观测当天、前1、3、7、15、30、45、60、90、120天内的平均气温，m＝6～10；Ti0分别表示始测日当天120天内的平均气温；c1、c2为时效因子回归系数，θ为位移监测日至始测日的积累天数t100；θ0为建模资料系列第一个测值日到始测日的积累天数t0100，a0为常数项；所述土石坝的水平位移统计模型： 其中，a2i为水压因子回归系数，分别为监测日、始测日前数天的平均水头；ci为降水量因子回归系数，Pi、Pi0分别为监测日，始测日当天、前1天、前3天、前7天、前15天、前30天的平均降水量；所述大坝渗流量统计模型： 其中，Q为渗流量；分别为监测日，始测日前1天、前5天、前15天、前30天的平均水头；Pi、Pi0分别为监测日，始测日当天、前1天、前3天、前7天、前15天的平均降水量；所述大坝扬压力、绕坝渗流水位统计模型： 其中，H为孔内水位；h1，h10分别为监测日、始测日所对应的水位；分别为监测日、始测日前1天、前5天、前15天、前30天的平均水位。

全文数据：

权利要求：

百度查询： 南京河海南自水电自动化有限公司 一种基于结构仿真计算的大坝安全监测分析方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD