CN115994465B - 意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质 - Google Patents
意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质 Download PDFInfo
- Publication number
- CN115994465B CN115994465B CN202211625906.3A CN202211625906A CN115994465B CN 115994465 B CN115994465 B CN 115994465B CN 202211625906 A CN202211625906 A CN 202211625906A CN 115994465 B CN115994465 B CN 115994465B
- Authority
- CN
- China
- Prior art keywords
- bridge
- model
- explosion
- damage
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004880 explosion Methods 0.000 title claims abstract description 78
- 230000006378 damage Effects 0.000 title claims abstract description 72
- 230000035939 shock Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000000694 effects Effects 0.000 title claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 65
- 238000004088 simulation Methods 0.000 claims abstract description 25
- 230000008458 response to injury Effects 0.000 claims abstract description 24
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 238000013210 evaluation model Methods 0.000 claims abstract description 18
- 230000001502 supplementing effect Effects 0.000 claims abstract description 3
- 239000002360 explosive Substances 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000013589 supplement Substances 0.000 claims description 4
- 230000001066 destructive effect Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开一种意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质,该方法包括:通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,对各个桥梁模型的毁伤数据进行线性插值,并根据***空气冲击波荷载与等效TNT质量、爆心距的关系进行数据扩充,补充不同工况下的桥梁毁伤数据,得到数据集,将数据集分为训练集和测试集,基于训练集和测试集对kNN模型进行训练,获取模型参数,并以模型参数配置所述kNN模型,得到评估模型;基于评估模型,实现对桥梁毁伤效应的评估。本发明采用有限元模拟的方式获取意外***对桥梁的毁伤效应数据,并通过线性插值的方式扩充数据库,最后结合kNN模型建立一套快速、有效的桥梁毁伤评估方法。
Description
技术领域
本发明涉及桥梁毁伤评估技术领域,尤其涉及一种意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质。
背景技术
桥梁作为交通***的重要组成部分,对于社会安定和经济发展都有其极其重要的战略意义。近年来随工业增长和基础建设迅猛发展,易燃易爆品在生产、存储、运输或使用过程中大规模意外***事故频发,且由于一般意外***的***物质量较大(一般约吨级至百吨级),所产生的空气冲击波幅值和脉宽也远大于一般弹药***对交通枢纽、工业与民用建筑以及人民生命财产安全带来的严重影响。如何评估桥梁在意外***空气冲击波作用下的毁伤程度具有重要的意义。然而,由于桥梁***毁伤实验数据难以获取、全桥有限元模拟计算耗时长等原因,现有方法无法满足快速评估桥梁毁伤程度的要求,使得桥梁管理部门无法及时对桥梁的毁伤状况进行评估,从而存在重大人员伤亡及经济财产损失的潜在风险。
发明内容
提供了本发明以解决现有技术中存在的上述问题。因此,需要一种意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质,采用有限元模拟的方式获取意外***对桥梁的毁伤效应数据,并通过线性插值的方式扩充数据库,最后结合kNN模型建立一套快速、有效的桥梁毁伤评估方法。
根据本发明的第一方案,提供一种意外***空气冲击波对桥梁毁伤效果kNN评估方法,所述方法包括:
通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,所述桥梁模型的毁伤响应数据包括易燃易爆品***的等效TNT质量、爆高和爆心距以及桥梁的动态响应;
对各个桥梁模型的毁伤数据进行线性插值,并根据***空气冲击波荷载与易燃易爆品***的等效TNT质量、爆心距的关系进行数据扩充,补充不同工况下的桥梁毁伤数据,得到数据集;
将所述数据集分为训练集和测试集,基于所述训练集和测试集对kNN模型进行训练,获取模型参数,并以所述模型参数配置所述kNN模型,得到评估模型;
基于所述评估模型,实现对桥梁毁伤效应的评估。
进一步地,所述通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,具体包括:
基于有限元分析,对桥梁模型施加不同的冲击波载荷,计算并获取不同工况下的毁伤响应,所述不同的冲击波载荷通过易燃易爆品***的等效TNT质量、爆高和爆心距来确定。
进一步地,所述基于所述评估模型,实现对桥梁毁伤效应的评估,具体包括:
根据预测样本与训练样本之间的距离,输出与所述预测样本最近的k个训练样本;
根据所述k个训练样本,利用平均值法计算得出所述预测样本的预测结果。
进一步地,通过如下公式(1)计算预测样本与训练样本之间的距离:
(1)
其中,d nn' 则为预测样本n与训练样本n'之间的距离,x nm 为预测样本n在m坐标基上的投影实值,x n' m 为训练样本n'在m坐标基上的投影实值,s为自由度数。
根据本发明的第二方案,提供一种意外***空气冲击波对桥梁毁伤效果kNN评估装置,所述装置包括:
有限元仿真单元,其被配置为通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,所述桥梁模型的毁伤响应数据包括易燃易爆品***的等效TNT质量、爆高和爆心距以及桥梁的动态响应;
线性插值单元,其被配置为对各个桥梁模型的毁伤数据进行线性插值,并根据***空气冲击波荷载与易燃易爆品***的等效TNT质量、爆心距的关系进行数据扩充,补充不同工况下的桥梁毁伤数据,得到数据集;
模型训练单元,其被配置为将所述数据集分为训练集和测试集,基于所述训练集和测试集对kNN模型进行训练,获取模型参数,并以所述模型参数配置所述kNN模型,得到评估模型;
评估单元,其被配置为基于所述评估模型,实现对桥梁毁伤效应的评估。
进一步地,所述有限元仿真单元被进一步配置为基于有限元分析,对桥梁模型施加不同的冲击波载荷,计算并获取不同工况下的毁伤响应,所述不同的冲击波载荷通过易燃易爆品***的等效TNT质量、爆高和爆心距来确定。
进一步地,所述评估单元被进一步配置为:
根据预测样本与训练样本之间的距离,输出与所述预测样本最近的k个训练样本;
根据所述k个训练样本,利用平均值法计算得出所述预测样本的预测结果。
进一步地,所述评估单元被进一步配置为通过如下公式(1)计算预测样本与训练样本之间的距离:
(1)
其中,d nn' 则为预测样本n与训练样本n'之间的距离,x nm 为预测样本n在m坐标基上的投影实值,x n' m 为训练样本n'在m坐标基上的投影实值,s为自由度数,即高维空间里所选坐标系独立坐标数目。
根据本发明的第三方案,提供了一种存储有指令的非暂时性计算机可读存储介质,当所述指令由处理器执行时,执行根据本发明各个实施例所述的方法。
根据本发明各个方案的意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质,其至少具有以下技术效果:
1、本发明通过数值模拟的方法来对不同意外***工况下的桥梁毁伤效应进行模拟,并通过线性插值方式进行扩充数据库,极大地减少了模型库建立的时间,提高了效率。
2、将kNN模型应用于桥梁***毁伤效应的预测,将有望提高大规模桥梁在意外***作用下毁伤效应的预测效率。
3、本发明采用有限元方法模拟并生成不同意外***荷载下的毁伤数据集,规避了实测或实验数据获取成本高的问题。
4、本发明将kNN模型与有限元建模技术相结合,解决大规模桥梁的有限元动态模拟过程耗时长、不能完成桥梁毁伤快速评估的难题,实现了在意外***下对桥梁毁伤效应进行快速预测和为桥梁管理部门及时提供决策依据目的。
附图说明
在不一定按比例绘制的附图中,相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例,并且与说明书以及权利要求书一起用于对所发明的实施例进行说明。在适当的时候,在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的,而并非旨在作为本装置或方法的穷尽或排他实施例。
图1示出了根据本发明实施例的一种意外***空气冲击波对桥梁毁伤效果kNN评估方法的流程图。
图2示出了根据本发明实施例的基于评估模型实现对桥梁毁伤效应的流程图。
图3示出了根据本发明实施例的不考虑负压阶段的***空气冲击波载荷时程曲线图。
图4示出了根据本发明实施例的实桥的ANSYS有限元模型结构示意图。
图5示出了根据本发明实施例的1t等效TNT***桥梁各构件破坏面积比曲线图。
图6示出了根据本发明实施例的100t等效TNT***线性插值后桥梁各构件破坏面积比曲线图。
图7示出了根据本发明实施例的kNN模型训练集与测试集的准确率。
图8示出了根据本发明实施例的一种意外***空气冲击波对桥梁毁伤效果kNN评估装置的结构图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案,下面结合附图和具体实施方式对本发明作详细说明。下面结合附图和具体实施例对本发明的实施例作进一步详细描述,但不作为对本发明的限定。本文中所描述的各个步骤,如果彼此之间没有前后关系的必要性,则本文中作为示例对其进行描述的次序不应视为限制,本领域技术人员应知道可以对其进行顺序调整,只要不破坏其彼此之间的逻辑性导致整个流程无法实现即可。
本发明实施例提供一种意外***空气冲击波对桥梁毁伤效果kNN评估方法,首先,通过有限元仿真获取有限工况下的桥梁毁伤响应数据。其次,经数据扩充技术,建立一个足够规模的数据集,为kNN模型的训练提供数据基础。最后,以***荷载为输入,桥梁的响应为输出构建kNN模型。
如图1所示,该意外***空气冲击波对桥梁毁伤效果kNN评估方法始于步骤S100,通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,所述桥梁模型的毁伤响应数据包括易燃易爆品***的等效TNT质量、爆高和爆心距以及桥梁的动态响应。
需要说明的是,桥梁的动态响应包括反射超压、入射超压/>入射动压/>、环流时间/>、正压作用时间/>。若非正入射,超压、入射动压均应乘上夹角系数/>,其中/>为冲击波传播方向与桥梁的作用面法线的夹角。基于桥梁的动态响应可以构建一个意外***冲击波的波形。
在一些实施例中,所述通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,具体包括:基于有限元分析,对桥梁模型施加不同的冲击波载荷,计算并获取不同工况下的毁伤响应,所述不同的冲击波载荷通过易燃易爆品***的等效TNT质量、爆高和爆心距来确定。
需要注意,在具体实施时,步骤S100可基于已有的有限元仿真软件进行实施,桥梁模型具体是根据实桥参数在有限元仿真软件中所搭建的有限元分析模型。
在步骤S200中,对各个桥梁模型的毁伤数据进行线性插值,并根据***空气冲击波荷载与易燃易爆品***等效TNT质量、爆心距的关系进行数据扩充,补充不同工况下的桥梁毁伤数据,得到数据集。
本实施例通过数值模拟的方法来对不同意外***工况下的桥梁毁伤效应进行模拟,并通过线性插值方式进行扩充数据库,极大地减少了模型库建立的时间,提高了效率。
在步骤S300中,将所述数据集分为训练集和测试集,基于所述训练集和测试集对kNN模型进行训练,获取模型参数,并以所述模型参数配置所述kNN模型,得到评估模型。
示例性的,可以采用随机抽取的方法,在数据集中随机抽取A%的数据作为训练集,其余数据作为测试集。其中数据具体指的是不同工况下的桥梁毁伤数据,不同工况指的是不同冲击波载荷作用于桥梁模型,不同的冲击波载荷通过易燃易爆品***的等效TNT质量、爆高和爆心距来确定。A的具体数值根据实际需要来进行合理确定,例如可以是60、70、80、90等等,则测试集占数据集的比例对应为40%、30%、20%、10%。
最后在步骤S400中,基于所述评估模型,实现对桥梁毁伤效应的评估。
在一些实施例中,如图2所示,所述基于所述评估模型,实现对桥梁毁伤效应的评估,具体包括:
步骤S401,根据预测样本与训练样本之间的距离,输出与所述预测样本最近的k个训练样本。
需要说明的是,预测样本中至少包括易燃易爆品***的等效TNT质量、爆高和爆心距等相关数据,即在进行预测时,利用冲击波载荷作用于桥梁模型,并记录冲击波载荷所对应的易燃易爆品***的等效TNT质量、爆高和爆心距的数据,将该数据作为预测样本,送入至评估模型中进行检测。其中训练样本指的是训练集中的数据。
步骤S402,根据所述k个训练样本,利用平均值法计算得出所述预测样本的预测结果。
需要注意,在k的数量确定上,使用“投票法”,预测样本的结果为k个样本中出现最多的类别,仅作为示例,k取为10。其中平均值法可以是计算训练样本中的桥梁的动态响应的平均值,将该平均值作为预测结果。若桥梁的动态响应包含有多个参数时,则对应计算各个相同类别参数的均值,将各个均值组合成该预测样本所对应的桥梁的动态响应作为预测结果。
在一些实施例中,通过如下公式(1)计算预测样本与训练样本之间的距离:
(1)
其中,d nn' 则为预测样本n与训练样本n'之间的距离,x nm 为预测样本n在m坐标基上的投影实值,x n' m 为训练样本n'在m坐标基上的投影实值,s为自由度数。
在清楚如上各实施例所阐述的意外***空气冲击波对桥梁毁伤效果kNN评估方法的基本原理后,下面本发明实施例将结合具体的实例对本发明的可行性和进步性进行充分说明。
该意外***空气冲击波对桥梁毁伤效果kNN评估方法在具体实施时,包括如下步骤:
步骤1:载荷的模拟。
根据相对于爆心位置的不同,易燃易爆品***所产生的空气冲击波可区分为入射波、反射波和马赫波。在本发明中,针对易燃易爆品***的特点,仅考虑马赫波作用区域,即假设桥梁目标所受冲击波载荷为马赫波载荷。
在不考虑***负压效应时,意外***冲击波的波形可以简化为如图3所示的荷载曲线,主要的效应参数有反射超压、入射超压/>入射动压/>、环流时间/>、正压作用时间。若非正入射,超压、入射动压均应乘上夹角系数/>,其中/>为冲击波传播方向与桥梁的作用面法线的夹角。
步骤2:构建桥梁的有限元模拟及扩充数据集。
本发明实施例以实际大规模桥梁为例构建ANSYS有限元模型,并建立其在***荷载作用下的毁伤响应数据集。如图4所示,该实桥为混凝土连续刚构桥,其中,桥梁长800m,桥宽12.5m,有6个桥墩(在图中标识为1#、2#、3#、4#、5#、6#)。其主梁的两端均设为简支约束,除了6号桥墩(6#)为简支形式之外,其他桥墩(1#、2#、3#、4#、5#)均为固支的形式。所有模型的单元均采用8节点的六面体实体单元,最终桥梁模型的单元数为47万。
本发明实施例首先采用有限元计算实桥在不同意外***工况下的毁伤情况。桥梁模型的工况设置如表1所示。其中,***等效TNT质量Q取1t、100t和1000t三种情况,爆高固定为2m,而水平距离的取值范围为20m到230m。通过在有限元软件模拟不同工况下桥梁的损伤,可以统计桥梁的不同构件的破坏面积比,即***毁伤后破坏的面积和构件的原始面积之比。如表1所示,依次表示桥梁的主梁顶板、主梁底板、主梁腹板和桥墩的破坏面积比,其中。如图6所示,为桥梁在/>情况下,各构件的破坏面积比随水平距离L的变化曲线。
本发明实施例通过线性插值的方式来快速获得大量数据,从而大大减少有限元建模和计算的工作。如图6所示,以为例展示了插值后桥梁的主梁顶板、底板和腹板的破坏面积比随水平距离L的变化曲线。可以看出,桥梁在原数据(模拟样本数30)扩充之后的样本数量为11303,即通过线性插值的方式可以快速获得大量的数据,从而为机器学习提供足够规模的数据量。
表 1. 有限元模拟结果
步骤3:基于kNN模型的桥梁毁伤快速评估。
如图1所示,以易燃易爆品***的等效TNT质量Q和水平距离L作为输入、以桥梁各个构件的破坏等级作为输出,基于kNN算法建立桥梁的毁伤预测模型。kNN算法有两个关键参数需确定,一个是选择的距离类别,一个是参数k的选择。本发明中所采用的距离为欧式距离:
(1)
其中,d nn' 则为预测样本n与训练样本n'之间的距离,x nm 为预测样本n在m坐标基上的投影实值,x n' m 为训练样本n'在m坐标基上的投影实值,s为自由度数。
参数k的选择中,本发明设置k值为10,通过计算输入样本与数据库中样本的距离,输出最近的10个样本,运用平均值法计算得出该样本的预测结果,并通过预测结果和真实结果计算出基于kNN模型的准确率。
本发明采用的是分类的毁伤预测模型,破坏面积比按照程度的大小分为11个等级/>。当/>时,/>表示为/>,其中,/>。当/>时表示该构件没有出现损坏,/>表示构件已经完全损坏。
综上,可以得出如下结论:
其中,***等效TNT质量和水平距离/>作为输入,桥梁构件的破坏等级/>作为输出。在数据集中随机抽取80%的数据作为机器学习模型的训练集,将剩余的20%作为测试集。如图7所示,为案例桥梁在不同算法下训练集和测试集的准确率,可以看出训练集和测试的准确率相符,算法没有出现过拟合和欠拟合的情况。对于桥梁的不同构件,kNN模型的准确率基本能达到99%,体现了良好的预测效果。
本发明实施例还提供一种意外***空气冲击波对桥梁毁伤效果kNN评估装置,如图8所示,该装置800包括:
有限元仿真单元801,其被配置为通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,所述桥梁模型的毁伤响应数据包括易燃易爆品***的等效TNT质量、爆高和爆心距以及桥梁的动态响应;
线性插值单元802,其被配置为对各个桥梁模型的毁伤数据进行线性插值,并根据***空气冲击波荷载与易燃易爆品***等效TNT质量、爆心距的关系进行数据扩充,补充不同工况下的桥梁毁伤数据,得到数据集;
模型训练单元803,其被配置为将所述数据集分为训练集和测试集,基于所述训练集和测试集对kNN模型进行训练,获取模型参数,并以所述模型参数配置所述kNN模型,得到评估模型;
评估单元804,其被配置为基于所述评估模型,实现对桥梁毁伤效应的评估。
在一些实施例中,所述有限元仿真单元被进一步配置为基于有限元分析,对桥梁模型施加不同的冲击波载荷,计算并获取不同工况下的毁伤响应,所述不同的冲击波载荷通过易燃易爆品***的等效TNT质量、爆高和爆心距来确定。
在一些实施例中,所述评估单元被进一步配置为:
根据预测样本与训练样本之间的距离,输出与所述预测样本最近的k个训练样本;
根据所述k个训练样本,利用平均值法计算得出所述预测样本的预测结果。
在一些实施例中,所述评估单元被进一步配置为通过如下公式(1)计算预测样本与训练样本之间的距离:
(1)
其中,d nn' 则为预测样本n与训练样本n'之间的距离,x nm 为预测样本n在m坐标基上的投影实值,x n' m 为训练样本n'在m坐标基上的投影实值,s为自由度数。
需要注意,上面各实施例所描述的装置与在先阐述的意外***空气冲击波对桥梁毁伤效果kNN评估方法属于同一技术思路,其具有相同的技术原理和技术效果。
此外,尽管已经在本文中描述了示例性实施例,其范围包括任何和所有基于本发明的具有等同元件、修改、省略、组合(例如,各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释,并不限于在本说明书中或本申请的实施期间所描述的示例,其示例将被解释为非排他性的。因此,本说明书和示例旨在仅被认为是示例,真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外,在上述具体实施方式中,各种特征可以被分组在一起以简单化本发明。这不应解释为一种不要求保护的发明的特征对于任一权利要求是必要的意图。相反,本发明的主题可以少于特定的发明的实施例的全部特征。从而,以下权利要求书作为示例或实施例在此并入具体实施方式中,其中每个权利要求独立地作为单独的实施例,并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
Claims (7)
1.一种意外***空气冲击波对桥梁毁伤效果kNN评估方法,其特征在于,所述方法包括:
通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,所述桥梁模型的毁伤响应数据包括易燃易爆品***的等效TNT质量、爆高和爆心距以及桥梁的动态响应;
对各个桥梁模型的毁伤数据进行线性插值,并根据***空气冲击波荷载与易燃易爆品***的等效TNT质量、爆心距的关系进行数据扩充,补充不同工况下的桥梁毁伤数据,得到数据集;
将所述数据集分为训练集和测试集,基于所述训练集和测试集对kNN模型进行训练,获取模型参数,并以所述模型参数配置所述kNN模型,得到评估模型;
基于所述评估模型,实现对桥梁毁伤效应的评估;
所述基于所述评估模型,实现对桥梁毁伤效应的评估,具体包括:
根据预测样本与训练样本之间的距离,输出与所述预测样本最近的k个训练样本;
根据所述k个训练样本,利用平均值法计算得出所述预测样本的预测结果;
所述评估模型以***等效TNT质量和水平距离/>作为输入,桥梁构件的破坏等级/>作为输出,破坏面积比/>按照程度的大小分为11个等级/>,当/>时,/>表示为/>,其中,i=0、0.1、L、1;当/>时表示该构件没有出现损坏,/>表示构件已经完全损坏。
2.根据权利要求1所述的方法,其特征在于,所述通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,具体包括:
基于有限元分析,对桥梁模型施加不同的冲击波载荷,计算并获取不同工况下的毁伤响应,所述不同的冲击波载荷通过易燃易爆品***的等效TNT质量、爆高和爆心距来确定。
3.根据权利要求1所述的方法,其特征在于,通过如下公式(1)计算预测样本与训练样本之间的距离:
(1)
其中,d nn' 则为预测样本n与训练样本n'之间的距离,x nm 为预测样本n在m坐标基上的投影实值,x n' m 为训练样本n'在m坐标基上的投影实值,s为自由度数。
4.一种意外***空气冲击波对桥梁毁伤效果kNN评估装置,其特征在于,所述装置包括:
有限元仿真单元,其被配置为通过有限元仿真获取有限工况下的桥梁模型的毁伤响应数据,所述桥梁模型的毁伤响应数据包括易燃易爆品***的等效TNT质量、爆高和爆心距以及桥梁的动态响应;
线性插值单元,其被配置为对各个桥梁模型的毁伤数据进行线性插值,并根据***空气冲击波荷载与易燃易爆品***的等效TNT质量、爆心距的关系进行数据扩充,补充不同工况下的桥梁毁伤数据,得到数据集;
模型训练单元,其被配置为将所述数据集分为训练集和测试集,基于所述训练集和测试集对kNN模型进行训练,获取模型参数,并以所述模型参数配置所述kNN模型,得到评估模型;
评估单元,其被配置为基于所述评估模型,实现对桥梁毁伤效应的评估;
所述评估单元被进一步配置为:
根据预测样本与训练样本之间的距离,输出与所述预测样本最近的k个训练样本;
根据所述k个训练样本,利用平均值法计算得出所述预测样本的预测结果。
5.根据权利要求4所述的装置,其特征在于,所述有限元仿真单元被进一步配置为基于有限元分析,对桥梁模型施加不同的冲击波载荷,计算并获取不同工况下的毁伤响应,所述不同的冲击波载荷通过易燃易爆品***的等效TNT质量、爆高和爆心距来确定。
6.根据权利要求5所述的装置,其特征在于,所述评估单元被进一步配置为通过如下公式(1)计算预测样本与训练样本之间的距离:
(1)
其中,d nn' 则为预测样本n与训练样本n'之间的距离,x nm 为预测样本n在m坐标基上的投影实值,x n' m 为训练样本n'在m坐标基上的投影实值,s为自由度数。
7.一种存储有指令的非暂时性计算机可读存储介质,当所述指令由处理器执行时,执行根据权利要求1至3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211625906.3A CN115994465B (zh) | 2022-12-14 | 2022-12-14 | 意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211625906.3A CN115994465B (zh) | 2022-12-14 | 2022-12-14 | 意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115994465A CN115994465A (zh) | 2023-04-21 |
CN115994465B true CN115994465B (zh) | 2024-03-26 |
Family
ID=85991555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211625906.3A Active CN115994465B (zh) | 2022-12-14 | 2022-12-14 | 意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115994465B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117053639B (zh) * | 2023-08-15 | 2024-01-30 | 广东中人集团建设有限公司 | 一种基于实时监控数据的桥梁***参数调控方法 |
CN116958607B (zh) * | 2023-09-20 | 2023-12-22 | 中国人民解放***箭军工程大学 | 用于目标毁伤预测的数据处理方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055736A (zh) * | 2016-05-13 | 2016-10-26 | 安徽大学 | 一种永磁同步直线电机新型优化设计方法 |
CN109933903A (zh) * | 2019-03-13 | 2019-06-25 | 中国人民解放军军事科学院国防工程研究院 | 一种构件表面***载荷分布规律的分析方法 |
CN110487133A (zh) * | 2019-07-30 | 2019-11-22 | 中国人民解放军海军工程大学 | 战斗部壳体抗毁伤效果分析方法及装置 |
KR20200079708A (ko) * | 2018-12-26 | 2020-07-06 | 한국건설기술연구원 | 복합재난 취약 건축물의 보강전략을 위한 구조성능 데이터베이스 구축 시스템 및 그 방법 |
CN113158293A (zh) * | 2021-03-05 | 2021-07-23 | 重庆交通大学 | 建筑物安全性能评估方法及装置 |
CN113343554A (zh) * | 2021-04-15 | 2021-09-03 | 长江勘测规划设计研究有限责任公司 | 一种拱坝水下毁伤识别方法、终端设备及存储介质 |
CN113742983A (zh) * | 2021-10-09 | 2021-12-03 | 福州大学 | 基于深度自编码器神经网络的长跨结构损伤识别方法 |
CN114462717A (zh) * | 2022-02-23 | 2022-05-10 | 同济大学 | 一种基于改进gan与lstm的小样本气体浓度预测方法 |
CN114593800A (zh) * | 2022-02-28 | 2022-06-07 | 中铁第四勘察设计院集团有限公司 | 桥梁动态荷载识别方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7895015B2 (en) * | 2008-12-04 | 2011-02-22 | Parker David H | Method for measuring the structural health of a civil structure |
-
2022
- 2022-12-14 CN CN202211625906.3A patent/CN115994465B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055736A (zh) * | 2016-05-13 | 2016-10-26 | 安徽大学 | 一种永磁同步直线电机新型优化设计方法 |
KR20200079708A (ko) * | 2018-12-26 | 2020-07-06 | 한국건설기술연구원 | 복합재난 취약 건축물의 보강전략을 위한 구조성능 데이터베이스 구축 시스템 및 그 방법 |
CN109933903A (zh) * | 2019-03-13 | 2019-06-25 | 中国人民解放军军事科学院国防工程研究院 | 一种构件表面***载荷分布规律的分析方法 |
CN110487133A (zh) * | 2019-07-30 | 2019-11-22 | 中国人民解放军海军工程大学 | 战斗部壳体抗毁伤效果分析方法及装置 |
CN113158293A (zh) * | 2021-03-05 | 2021-07-23 | 重庆交通大学 | 建筑物安全性能评估方法及装置 |
CN113343554A (zh) * | 2021-04-15 | 2021-09-03 | 长江勘测规划设计研究有限责任公司 | 一种拱坝水下毁伤识别方法、终端设备及存储介质 |
CN113742983A (zh) * | 2021-10-09 | 2021-12-03 | 福州大学 | 基于深度自编码器神经网络的长跨结构损伤识别方法 |
CN114462717A (zh) * | 2022-02-23 | 2022-05-10 | 同济大学 | 一种基于改进gan与lstm的小样本气体浓度预测方法 |
CN114593800A (zh) * | 2022-02-28 | 2022-06-07 | 中铁第四勘察设计院集团有限公司 | 桥梁动态荷载识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Liu Xia.Research on Potential Damage Estimation of Household Appliances Based on gcForest Model.ICSEB '17: Proceedings of the 2017 International Conference on Software and e-Business.2017,97–101. * |
基于数据挖掘技术的地下工程目标 毁伤效应计算方法;张磊等;***与冲击;20201208;第41卷(第3期);4-13 * |
Also Published As
Publication number | Publication date |
---|---|
CN115994465A (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115994465B (zh) | 意外***空气冲击波对桥梁毁伤效果kNN评估方法、装置及介质 | |
Zhang et al. | Efficient Bayesian FFT method for damage detection using ambient vibration data with consideration of uncertainty | |
Nanda et al. | Vibration based structural damage detection technique using particle swarm optimization with incremental swarm size | |
Cai et al. | Multi-objective optimization for designing metallic corrugated core sandwich panels under air blast loading | |
Phan et al. | Seismic vulnerability of above-ground storage tanks with unanchored support conditions for Na-tech risks based on Gaussian process regression | |
Yu et al. | A global artificial fish swarm algorithm for structural damage detection | |
Ni et al. | Reliability based design optimization of bridges considering bridge-vehicle interaction by Kriging surrogate model | |
HoThu et al. | Damage detection method using support vector machine and first three natural frequencies for shear structures | |
Meruane et al. | An inverse parallel genetic algorithm for the identification of skin/core debonding in honeycomb aluminium panels | |
Li et al. | Bearing damage detection of a bridge under the uncertain conditions based on the Bayesian framework and matrix perturbation method | |
Nguyen et al. | Seismic response investigation of 1/20 scale container crane through shake table test and finite element analysis | |
Li et al. | Numerical analysis and experimental study on the scaled model of a container ship lashing bridge | |
Lu et al. | Analysis of FPSO dropped objects combining Monte Carlo simulation and neural network-genetic approach | |
Wang et al. | Seismic fragility assessment of storage tanks considering different sources of uncertainty | |
Li et al. | Design and experimental verification of a 1/20 scale model of quayside container crane using distortion theory | |
JP6860437B2 (ja) | 機器システムの機能損傷と関連が高い地震動強さ指標の検出方法 | |
CN112784470A (zh) | 一种土木工程目标在***载荷作用下毁伤等级的评估方法 | |
Eskew et al. | Damage assessment of a building subjected to a terrorist attack | |
Wijesundara et al. | Numerical modelling of reinforced concrete columns subject to coupled uplift and shear forces induced by internal explosions | |
Yang et al. | Improved Time Domain Substructural Damage Identification Method on Large‐Span Spatial Structure | |
Froli et al. | Experimental static and dynamic tests on a large-scale free-form Voronoi grid shell mock-up in comparison with finite-element method results | |
Zhou et al. | Prediction of rupture and perforation limits of pressurised X80 pipelines using BP neural networks and generalised additive models | |
Mudunuru et al. | Estimating failure in brittle materials using graph theory | |
Du et al. | Surrogate model‐aided global sensitivity analysis framework for seismic consequences estimation in buildings | |
CN110334394B (zh) | 基于实测点蚀数据构建损伤结构有限元模型的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |