[發(fā)明專利]一種基于混凝土T型梁火災(zāi)后損傷評(píng)估方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010413146.4
• 申請(qǐng)日: 2020-05-15
• 公開(kāi)（公告）號(hào): CN111598448B
• 公開(kāi)（公告）日: 2021-05-18
• 發(fā)明（設(shè)計(jì)）人: 劉才瑋;魏國(guó)海;劉朝峰;曹永升;苗吉軍;侯東帥;肖建莊
• 申請(qǐng)（專利權(quán)）人: 青島理工大學(xué)
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06F17/16;G06Q50/08
• 代理公司: 北京開(kāi)陽(yáng)星知識(shí)產(chǎn)權(quán)代理有限公司 11710
• 代理人: 姚金金

1.一種基于混凝土T型梁火災(zāi)后損傷評(píng)估方法，其特征為：所述的評(píng)估方法步驟如下：

步驟1、確定參數(shù)指標(biāo)；

所述的參數(shù)指標(biāo)由火災(zāi)后建筑物的如下評(píng)價(jià)指標(biāo)構(gòu)成：表觀現(xiàn)象X₁、火災(zāi)后建筑物的表面最高溫度X₂、承載力折減X₃、基頻折減X₄、剛度折減X₅、受火時(shí)間X₆，所述的表觀現(xiàn)象X₁包括爆裂因素、裂縫深度和面積、及裂縫寬度；

步驟2、根據(jù)所確定的參數(shù)指標(biāo)，利用多種評(píng)估方法得到各評(píng)價(jià)對(duì)象的綜合相對(duì)貼近度；所述的多種評(píng)估方法包括改進(jìn)層次分析法、熵權(quán)法、逼近理想解法、離差平方和最優(yōu)化法、灰色關(guān)聯(lián)度法、正交投影法；

步驟3、根據(jù)所述的各評(píng)價(jià)對(duì)象的綜合相對(duì)貼近度，最終確定建筑物的損傷等級(jí)；

所述的步驟2中，確定各評(píng)價(jià)對(duì)象的綜合相對(duì)貼近度包括如下具體步驟：

(1)、通過(guò)所述的改進(jìn)層次分析法確定主觀權(quán)重，通過(guò)熵權(quán)法確定客觀權(quán)重，用所述的離差平方和最優(yōu)化法對(duì)主觀權(quán)重和客觀權(quán)重進(jìn)行組合賦權(quán)，得到組合權(quán)重；

(2)、通過(guò)所述的逼近理想解法結(jié)合組合權(quán)重獲得正、負(fù)理想解，然后通過(guò)正交投影法計(jì)算評(píng)價(jià)對(duì)象與正負(fù)理想解的垂直距離，通過(guò)正交投影法對(duì)逼近理想解法的改進(jìn)，從空間的垂直距離出發(fā)，獲得準(zhǔn)確度更高的正、負(fù)理想解，最終結(jié)果用表示；通過(guò)灰色關(guān)聯(lián)度法對(duì)逼近理想解法進(jìn)行修正，并結(jié)合所述的垂直距離確定各評(píng)價(jià)對(duì)象的綜合相對(duì)貼近度；

所述的改進(jìn)層次分析法采用專家評(píng)分的方式進(jìn)行操作，其獲得主觀權(quán)重的過(guò)程具體步驟包括：依據(jù)改進(jìn)層次分析法獲得決策矩陣的步驟；依據(jù)決策矩陣獲得主觀權(quán)重的步驟；

所述的依據(jù)改進(jìn)層次分析法獲得決策矩陣的步驟包括：

(1)、根據(jù)三標(biāo)度法對(duì)各參數(shù)指標(biāo)進(jìn)行打分確立比較矩陣；參數(shù)指標(biāo)兩兩相互對(duì)比確定比較矩陣，A方陣為：

式中：

i,j為所選取的指標(biāo)數(shù)量，兩兩比較確定矩陣A；

(2)、將比較矩陣轉(zhuǎn)化為判斷矩陣：

所述的轉(zhuǎn)化運(yùn)用極差法，公式為：

式中：R＝r_max-r_min，稱為極差；r_max＝max{r₁,r₂,...,r_n}；r_min＝min{r₁,r₂,...,r_n}；c_b是指指標(biāo)元素對(duì)的相對(duì)重要度；

所述的依據(jù)決策矩陣獲得主觀權(quán)重的步驟所采用的公式為：

所述的熵權(quán)法確定客觀權(quán)重的步驟包括：依據(jù)熵權(quán)法獲得決策矩陣的步驟；依據(jù)決策矩陣獲得客觀權(quán)重的步驟；

所述的依據(jù)熵權(quán)法獲得決策矩陣的步驟包括：

(1)、根據(jù)評(píng)估對(duì)象和參數(shù)指標(biāo)確定原始矩陣，公式為：

(2)、矩陣歸一化處理，歸一化處理的原則為，根據(jù)指標(biāo)所對(duì)應(yīng)優(yōu)劣的不同劃分，分為經(jīng)濟(jì)型指標(biāo)和成本型指標(biāo)，成本型指標(biāo)數(shù)值越小越優(yōu)，經(jīng)濟(jì)型指標(biāo)反之，值越大越優(yōu)，具體公式如下：

經(jīng)濟(jì)型指標(biāo)歸一化公式：

成本型指標(biāo)歸一化公式：

式中：max{r′_ij}—矩陣R'中第i行的最大值；min{r′_ij}—矩陣R'中第i行的最小值；

歸一化矩陣表示為：

所述的依據(jù)決策矩陣獲得客觀權(quán)重的步驟包括計(jì)算信息熵及熵權(quán)重的步驟，公式分別為：

第i個(gè)指標(biāo)的信息熵計(jì)算公式為：

式中：且當(dāng)P_ij＝0時(shí)，規(guī)定P_ijln P_ij＝0；

第i個(gè)指標(biāo)的熵權(quán)重計(jì)算公式為：

且

所述的用離差平方和最優(yōu)化法對(duì)主觀權(quán)重和客觀權(quán)重進(jìn)行組合賦權(quán)，得到組合權(quán)重的步驟的具體步驟如下：

(1)、確定第i個(gè)評(píng)價(jià)對(duì)象與其他對(duì)象的組合評(píng)價(jià)值的離差平方和，公式為；

(2)、構(gòu)造目標(biāo)函數(shù)，使M個(gè)評(píng)價(jià)對(duì)象總的離差平方和達(dá)到最大，公式為：

(3)、將目標(biāo)函數(shù)轉(zhuǎn)化為矩陣函數(shù)，以利于下一步參數(shù)的獲取和使用：

令矩陣A₁為：

目標(biāo)函數(shù)H(W_c)可表示為：

式中：W_C是組合賦權(quán)系數(shù)向量，表示組合賦權(quán)系數(shù)向量的轉(zhuǎn)置；

(4)、得出最優(yōu)化公式，求解方式為：

且

式中，W為主客觀權(quán)系數(shù)向量組成的分塊矩陣,▽為組合權(quán)系數(shù)的線性表出系數(shù)向量,為組合權(quán)系數(shù)的線性表出系數(shù)向量的轉(zhuǎn)置；

不考慮的非負(fù)性，將上式轉(zhuǎn)化為：

式中，W為主客觀權(quán)系數(shù)向量組成的分塊矩陣，是線性表示出的瑞利商，且W^TA₁W為對(duì)稱矩陣，根據(jù)瑞利商的理論可知，存在的最大值和最小值就是對(duì)稱矩陣W^TA₁W所對(duì)應(yīng)的最大特征值和最小特征值，則W^TA₁W矩陣的最大特征根即為的最大值，所對(duì)應(yīng)的單位化特征向量就是所求的最優(yōu)解，且根據(jù)矩陣W^TA₁W為對(duì)稱非負(fù)的，根據(jù)Perron-Frobenius定理，可知特征向量全部為正實(shí)數(shù)；

(5)、確定最優(yōu)組合權(quán)重：

假設(shè)所得特征根為λ_max，對(duì)應(yīng)的特征向量為代入公式可得最優(yōu)化指標(biāo)的組合權(quán)重向量：

對(duì)組合權(quán)重向量作歸一化處理，公式為：

則最優(yōu)組合權(quán)重可表示為：