[發明專利]基于機器學習因子分析的膨脹土凍結過程變形解耦方法

在審

• 申請號: 202310037567.5
• 申請日: 2023-01-09
• 公開（公告）號: CN116108325A
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 叢晟亦;裴倫祥;凌賢長;唐亮;陳宏偉;李新宇;程志和;毛小剛;張熙陽;張鐘遠
• 申請（專利權）人: 哈爾濱工業大學;哈爾濱工業大學重慶研究院;中鐵十七局集團有限公司
• 主分類號: G06F17/15
• 分類號: G06F17/15;G06F17/18;G06N20/00
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 王恒

1.一種基于機器學習因子分析的膨脹土凍結過程變形解耦方法，其特征在于所述方法包括如下步驟：

步驟一、制作N組尺寸相同但體積含水率相異的膨脹土土樣，N≥3，將膨脹土土樣用保鮮袋包裹后放入凍脹試驗機；

步驟二、在膨脹土土樣內安插溫度傳感器、時域反射計傳導探頭和中子散射儀探測器用于測定土中全部水的體積含水率，在凍脹試驗機內部利用溫度傳感器、時域反射計傳導探頭和中子散射儀探測器分別測量膨脹土土樣的溫度變化、未凍結水體積含水率的變化和全部水的體積含水率變化；在凍脹試驗機內安裝激光測距儀，利用激光測距儀測量膨脹土土樣在試驗機內高度和直徑的變化；

步驟三、設置最低凍脹溫度為-18℃，等待試驗機內部溫度降至3℃開始每隔5min記錄一次數據，直至土樣溫度均降至-18℃結束記錄過程；

步驟四、將記錄的數據錄入MATLAB中，利用ICA算法計算得到體積含冰率變化與未凍結水體積含水率變化分別引起的體積變化；

步驟五、將和分別作為因變量，將和分別作為自變量，利用回歸擬合得到體積含冰率變化和未凍結水體積含水率變化與各自引起的體積變化之間的函數關系及其對應的函數曲線圖形。

2.根據權利要求1所述的基于機器學習因子分析的膨脹土凍結過程變形解耦方法，其特征在于所述步驟三中，數據包括溫度T_j,i、未凍結水的體積含水率變化Δω_j,i、全部水的體積含水率變化Δa_j,i、體積含冰率變化Δθ_j,i、土樣高度變化ΔH_j,i以及土樣直徑變化ΔD_j,i，其中：

體積含冰率變化Δθ_j,i為：

Δθ_j,i＝Δa_j,i-Δω_j,i

第j個土樣n組高度變化值組成的向量為：

第j個土樣n組直徑變化值組成的向量為：

第j個土樣n組體積含冰率變化值組成的向量為：

第j個土樣n組未凍結水的體積含水率變化值組成的向量為：

式中，j表示第j份土樣，j＝1,2,...,N，i表示第i次記錄，i＝1,2,...,...,n。

3.根據權利要求1所述的基于機器學習因子分析的膨脹土凍結過程變形解耦方法，其特征在于所述步驟四中，體積含冰率變化引起的體積變化ΔV_θ為：

體積含水率變化引起的體積變化ΔV_ω為：

第j個土樣n組體積含冰率變化各自所引起體積變化組成的向量為：

第j個土樣n組未凍結水體積含水率變化各自所引起體積變化組成的向量為：

4.根據權利要求1所述的基于機器學習因子分析的膨脹土凍結過程變形解耦方法，其特征在于所述步驟五中，第j個土樣體積含冰率變化與其引起的體積變化之間的擬合函數關系表達式為：

sigmoid(Δθ_j,i)＝[1+exp(Δθ_j,i)]^-1

第j個土樣未凍結水體積含水率變化與其引起的體積變化之間的擬合函數關系表達式為：

sigmoid(Δω_j,i)＝[1+exp(Δω_j,i)]^-1

式中，W為一個n×n矩陣。