【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及水利水電大體積混凝土溫度智能控制領(lǐng)域，具體為一種智能優(yōu)選混凝土待澆筑倉溫度預(yù)測曲線的方法。
技術(shù)介紹
1、大體積混凝土施工期受到溫控措施、環(huán)境條件、材料參數(shù)等因素影響，溫控效果與設(shè)計的會有一定的出入。當(dāng)混凝土的溫度差產(chǎn)生的溫度應(yīng)力超過混凝土的極限抗拉強度時就會使混凝土產(chǎn)生溫度裂縫，嚴重影響混凝土倉澆筑質(zhì)量。施工期溫度場的非均勻性必然帶來熱學(xué)參數(shù)時空維度形態(tài)的差異性，以往混凝土熱學(xué)參數(shù)多采用室內(nèi)試驗值，但計算結(jié)果不能完整反映施工期混凝土真實的熱學(xué)特性。因此，準(zhǔn)確的熱學(xué)參數(shù)是影響溫度場仿真可靠性的重要因素。
2、隨著計算機技術(shù)的發(fā)展，智能算法被引入到混凝土熱學(xué)參數(shù)的反演計算中，通過反演的參數(shù)進行溫度場正分析，進而獲取待澆筑倉溫度預(yù)測曲線。并且bp神經(jīng)網(wǎng)絡(luò)、支持向量機等智能方法也被引入到了混凝土溫度預(yù)測之中，以海量實測數(shù)據(jù)為基礎(chǔ)，提高了待澆筑倉溫度曲線預(yù)測的精度，但施工期混凝土澆筑倉溫度變化劇烈，因此，需要設(shè)計一種智能優(yōu)選混凝土待澆筑倉溫度預(yù)測曲線的方法來解決上述問題。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)所要解決的技術(shù)問題是提供一種智能優(yōu)選混凝土待澆筑倉溫度預(yù)測曲線的方法，解決了現(xiàn)有技術(shù)施工期混凝土澆筑倉溫度變化劇烈的問題。具有動態(tài)選取更符合工程實際的溫度預(yù)測曲線，為后續(xù)施工現(xiàn)場澆筑與溫控措施調(diào)整提供可靠的依據(jù)與技術(shù)指導(dǎo)的特點。
2、為實現(xiàn)上述技術(shù)效果，本專利技術(shù)所采用的技術(shù)方案是：
3、一種智能優(yōu)選混凝土待澆筑倉溫度預(yù)測曲線的方法，包括：p>
4、s1，選用粒子群算法對混凝土熱學(xué)參數(shù)進行反演，為了提高粒子群算法的收斂速度和精度，對粒子群算法進行改進；改進策略包括最差粒子進化和最優(yōu)粒子擾動，選擇將pso與gwo進行混合可以彌補單一算法存在的不足，最終，提出一種基于灰狼優(yōu)化算法的粒子群算法hpsogwo。
5、s2，為評價hpsogwo算法性能，選擇6個單峰函數(shù)與6個多峰函數(shù)進行仿真測試；同時，引入friedman檢驗和wilcoxon秩和檢驗對算法計算結(jié)果進行更加全面的統(tǒng)計分析。
6、s3，確定待澆筑倉溫度場正分析步驟：
7、s301,選取混凝土待澆筑倉及其下層澆筑倉作為計算模型，用以規(guī)避舊澆筑倉對于新澆筑倉的影響。在有限元軟件ansys的前處理器中，將計算模型中心點作為三維坐標(biāo)系原點，x軸方向為順河流方向，y軸方向與順流方垂直并指向大壩右岸。
8、s302，根據(jù)實際工程情況，選取最終絕熱溫升θ0、混凝土表面放熱系數(shù)β和溫升規(guī)律n作為待反演的熱學(xué)參數(shù)。其中，反演目標(biāo)函數(shù)表示為：
9、
10、其中，tij'、tij分別代表第j個位置i時刻的溫度計算值和實測值，p為測點位置總數(shù)，q為監(jiān)測位置時間序列向量的個數(shù)。
11、s303，混凝土的絕熱溫升通常用雙曲線表示，絕熱溫升的組合指數(shù)公式為：
12、
13、絕熱溫升的雙曲線公式為：
14、
15、參數(shù)之間的關(guān)系如下：
16、
17、其中，θ0為混凝土最終絕熱溫升，τ為混凝土齡期，s、m1、m2為3個待定的系數(shù)，經(jīng)驗表明s可取0.60，n為溫升規(guī)律參數(shù)。
18、確定通水影響計算表達式，在一期通水冷卻階段，需要換擋多次進行冷卻，因此建立通水影響計算表達式：
19、t(t)＝tωi+(ti-tωi)φi(t)+θ0ψi(t)；
20、
21、
22、
23、
24、k＝2.09-1.35ξ+0.320ξ2；
25、ξ＝λl/cwρwqw；
26、其中，e為數(shù)學(xué)中的自然常數(shù)，tωi為第i檔通水水溫，ti為i-1檔通水結(jié)束且第i檔通水開始時的混凝土溫度，φi(t)為第i檔水溫通水時的水冷函數(shù)，θ0為最終絕熱溫升，ψi(t)為第i檔時水冷溫升函數(shù)，pi為第i擋時水冷參數(shù)，ti為流量或水溫改變時刻，當(dāng)流量或水溫改變時t必須從0開始，s、m1、m2為常數(shù)，k、a'、d為常數(shù)，d為等效冷卻柱體直徑，b為等效冷卻柱體半徑，s1、s2即水管在布置過程中的水平間距與鉛直間距，ρw為水的密度，qw為通水流量，l為水管長度，cw為水的比熱，a'為等效導(dǎo)溫系數(shù)。
27、s304，通過matlab編程語言實現(xiàn)自動調(diào)用ansys，利用hpsogwo算法對熱學(xué)參數(shù)進行不斷更新迭代，直至達到反演目標(biāo)函數(shù)最優(yōu)值。
28、s305，將hpsogwo反演參數(shù)代入溫度場仿真計算。澆筑倉的橫縫側(cè)面視作絕熱邊界，上下游表面和上層澆筑倉頂面均采用第三類溫度邊界條件。利用ansys熱分析模塊中的生死單元對混凝土倉澆筑順序進行控制，溫度荷載加載時間步長取0.5d，通過溫度場正分析最終得到澆筑倉混凝土的溫度預(yù)測曲線。
29、s4，為了提高支持向量機(svm)模型的性能，將hpsogwo引入支持向量機，利用hpsogwo較強的搜索性能和收斂速度優(yōu)勢，優(yōu)化模型參數(shù)組合，建立hpsogwo-svm溫度曲線預(yù)測模型。目的是將基于hpsogwo算法反演熱學(xué)參數(shù)進行正分析預(yù)測溫度曲線計算結(jié)果與hpsogwo-svm溫度曲線模型計算結(jié)果進行對比。優(yōu)化svm模型建立方法如下：
30、s401，首先對svm模型中的參數(shù)進行初始化處理，選擇懲罰因子c和參數(shù)γ作為hpsogwo算法尋優(yōu)值。
31、s402，根據(jù)c和γ將粒子群位置初始化，利用歸一化后的訓(xùn)練樣本對向量機模型進行訓(xùn)練，將初始位置導(dǎo)入模型，計算粒子的個體適應(yīng)度。
32、s403，保留適應(yīng)度最佳的粒子，并根據(jù)當(dāng)前適應(yīng)度最優(yōu)值，對每個粒子進行更新。
33、s404，判斷是否達到最大迭代次數(shù)，滿足終止條件，則輸出粒子最優(yōu)位置得到的全局最優(yōu)參數(shù)；不滿足，則返回繼續(xù)執(zhí)行s403步驟。
34、s405，輸出最優(yōu)參數(shù)c和γ，利用支持向量機對訓(xùn)練樣本重新訓(xùn)練。通過訓(xùn)練完畢的hpsogwo模型對測試樣本進行預(yù)測操作，最終對模型性能進行綜合評價分析。
35、s5，大體積混凝土在一期控溫階段的溫度變化最為劇烈，結(jié)合工程實際光纖測溫監(jiān)測數(shù)據(jù)，澆筑倉混凝土在一期控溫階段的時間一般不超過12d；將0～12d混凝土日平均溫度序列作為預(yù)測序列值，對于數(shù)據(jù)集的選取充分考慮影響施工期混凝土溫度的初始澆筑溫度tp、環(huán)境氣溫ta、絕熱溫升θ0及通水冷卻的影響。
36、s6，為使hpsogwo-svm溫度曲線模型計算結(jié)果與仿真分析預(yù)測結(jié)果形成有效的對比，選用統(tǒng)計學(xué)中的后驗差分法進行統(tǒng)計驗證，利用反演結(jié)果進行有限元仿真或hpsogwo-svm模型預(yù)測溫度序列t'(i)，再與實測溫度序列t(i)對比兩者的符合程度。
37、本專利技術(shù)提供的一種智能優(yōu)選混凝土待澆筑倉溫度預(yù)測曲線的方法的有益效果如下：
38、1、精準(zhǔn)預(yù)測：該方法可能利用先進的智能算法和數(shù)據(jù)分析技術(shù)，提高混凝土待澆筑倉溫度預(yù)測的準(zhǔn)確性和精度，本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種智能優(yōu)選混凝土待澆筑倉溫度預(yù)測曲線的方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種智能優(yōu)選混凝土待澆筑倉溫度預(yù)測曲線的方法，其特征在于，步驟S3中，待澆筑倉溫度場正分析的建立步驟為：
【技術(shù)特征摘要】
1.一種智能優(yōu)選混凝土待澆筑倉溫度預(yù)測曲線的方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周駿馳，王峰，趙馳，劉雪莉，李冉，胡證罡，徐曦辰，李星竹，
申請(專利權(quán))人：三峽大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。