[發明專利]一種剛構橋橋面標高的預測方法及裝置有效
| 申請號： | 202010594142.0 | 申請日： | 2020-06-24 |
| 公開（公告）號： | CN111859500B | 公開（公告）日： | 2023-10-10 |
| 發明（設計）人： | 饒瑞;池春;黃永輝;王漢發;鄧啟東 | 申請（專利權）人： | 廣州大學 |
| 主分類號： | G06F30/13 | 分類號： | G06F30/13;G06F30/27;G06N7/01;G06Q10/04;G06Q50/08;G06F111/06;G06F111/08 |
| 代理公司： | 廣州三環專利商標代理有限公司 44202 | 代理人： | 郭浩輝;麥小嬋 |
| 地址： | 510006 廣東省廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 剛構橋 橋面 標高 預測 方法 裝置 | ||
1.一種剛構橋橋面標高的預測方法，其特征在于，包括以下步驟：
對剛構橋橋面標高的影響因素數據進行敏感性分析，得到符合預設的橋面標高變形的敏感程度范圍內的影響剛構橋橋面標高的主要影響因素數據；
基于附加局部迭代的非線性卡爾曼估計算法對所述主要影響因素數據進行數據處理，得到主要影響因素的最優值；
根據輸入的梁段橋面變形實測數據和所述主要影響因素數據構建貝葉斯網絡拓撲結構；
基于誤差高斯分布的均值和方差確定在所述主要影響因素數據中的各個主要因素的先驗概率分布；
構建主要影響因素與所述貝葉斯網絡拓撲結構的橋面結構標高變形之間的節點函數關系，并利用拉丁超立方抽樣法抽取獲得所述貝葉斯網絡拓撲結構中所有節點的完整數據樣本；
將所述完整數據樣本輸入至所述貝葉斯網絡拓撲結構中，并利用所述貝葉斯網絡結構的參數學習方法計算得到所述貝葉斯網絡拓撲結構的初始概率表；
基于所述完整數據樣本，結合所述主要影響因素的最優值、當前梁段橋面結構標高變形的實測值進行數據樣本的貝葉斯網絡訓練，得到剛構橋所有梁段的橋面標高預測結果。
2.如權利要求1所述的剛構橋橋面標高的預測方法，其特征在于，所述節點函數關系為：
其中，是橋面結構標高理論變形的相對誤差，是混凝土容重的相對誤差，是預應力張拉力的大小的相對誤差，是混凝土彈性模量的相對誤差，kγ是橋面結構標高理論變形的相對誤差和混凝土容重的相對誤差的計算系數，為一常數，kT是橋面結構標高理論變形相對誤差和預應力張拉力大小相對誤差的計算系數，為一常數。
3.如權利要求1所述的剛構橋橋面標高的預測方法，其特征在于，所述基于所述完整數據樣本，結合所述主要影響因素的最優值、當前梁段橋面結構標高變形的實測值進行數據樣本的貝葉斯網絡的訓練，得到剛構橋所有梁段的橋面標高預測結果，具體為：
在所述完整數據樣本中加入所述主要影響因素的最優值，得到第二完整數據樣本，對加入所述第二完整數據樣本進行貝葉斯網絡的訓練，得到當前梁段的撓度變形誤差的預測值；
在所述第二完整數據樣本中加入當前梁段橋面結構標高變形的實測值，得到第三完整數據樣本，對所述第三完整數據樣本進行貝葉斯網絡的訓練，得到下一梁段的撓度變形誤差的預測值；
在所述第N+2完整數據樣本中加入第N梁段橋面結構標高變形的實測值，得到第N+3完整數據樣本，對所述第N+3完整數據樣本進行貝葉斯網絡的訓練，得到N+1梁段的撓度變形誤差的預測值；其中，N為大于等于1的正整數；
基于剛構橋每一梁段的撓度變形誤差的預測值，得到所述剛構橋所有梁段的橋面標高預測結果。
4.如權利要求1所述的剛構橋橋面標高的預測方法，其特征在于，所述根據輸入的梁段橋面變形實測數據和所述主要影響因素數據構建貝葉斯網絡拓撲結構，具體為：
根據剛構橋每一梁段的橋面標高測量數據獲得輸入的梁段橋面變形實測數據；
基于所述輸入的梁段橋面變形實測數據和所述主要影響因素數據，根據節點間的因果關系來構建貝葉斯網絡拓撲結構。
5.如權利要求1所述的剛構橋橋面標高的預測方法，其特征在于，所述剛構橋橋面標高的影響因素數據至少包括：混凝土容重、混凝土彈性模量、預應力大小、混凝土的收縮徐變。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣州大學，未經廣州大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010594142.0/1.html，轉載請聲明來源鉆瓜專利網。
