【技術實現步驟摘要】
本專利技術涉及大壩安全管理，具體是涉及一種智慧水電站的壩體檢測控制方法及系統。
技術介紹
1、大壩是一種人造的土木建筑結構，其主要功能是橫跨河流或其他水體，用以阻擋水流、蓄積水源、抬高水位或調節水流等。大壩通常是為了滿足防洪、灌溉、供水、發電、航運等多種社會經濟目標而建造的。
2、大壩在運維過程中，會存在多種不同的損傷，因此需要對大壩進行合理的檢測規劃，以及時發現壩體可能出現的各種損傷種類，以及時進行壩體的維修，現有技術中針對于壩體的檢測，缺少對于壩體檢測數據的綜合分析，難以合理的規劃每一次檢測的檢測精度，易造成檢測資源的浪費。
技術實現思路
1、為解決上述技術問題，提供一種智慧水電站的壩體檢測控制方法及系統，本技術方案解決了上述的現有技術中針對于壩體的檢測，缺少對于壩體檢測數據的綜合分析，難以合理的規劃每一次檢測的檢測精度，易造成檢測資源的浪費的問題。
2、為達到以上目的，本專利技術采用的技術方案為：
3、一種智慧水電站的壩體檢測控制方法，包括：
4、獲取壩體的可能發生的至少一種損傷類型，并基于每一種損傷類型設置對應的檢測方式；
5、基于壩體歷史運維管理數據，確定所有可能發生的壩體運維事件；
6、分析每一個壩體運維事件與損傷類型之間的相關聯性，并構建損傷類型風險評價模型；
7、基于壩體歷史運維管理數據，確定每一個損傷類型與當前時刻最接近的一次檢測時刻，記為初始檢測時刻；
8、統計初始檢
9、將分析運維事件代入損傷類型風險評價指標，得到每一個損傷類型的變遷評估指標；
10、基于損傷類型的變遷評估指標，設定損傷類型對應的檢測方式的檢測精度。
11、優選的，所述分析每一個壩體運維事件與損傷類型之間的相關聯性，并構建損傷類型風險評價模型具體包括：
12、基于歷史檢測數據中每一次的檢測數據，分析每一次檢測時的損傷類型的發生風險概率；
13、計算檢測時的損傷類型的發生風險概率與前一次檢測時的損傷類型的發生風險概率的差值；
14、統計檢測時與前一次檢測時之間發生的所有壩體運維事件；
15、將檢測時的損傷類型的發生風險概率與前一次檢測時的損傷類型的發生風險概率的差值和檢測時與前一次檢測時之間發生的所有壩體運維事件組成一條樣本數據；
16、獲取所有樣本數據，組成樣本數據集；
17、基于樣本數據集，以檢測時與前一次檢測時之間發生的所有壩體運維事件作為輸入，以檢測時的損傷類型的發生風險概率與前一次檢測時的損傷類型的發生風險概率的差值作為輸出，利用神經網絡訓練損傷類型風險評價模型。
18、優選的，所述利用神經網絡訓練損傷類型風險評價模型具體包括：
19、將樣本數據集中的所有數據按照8:2的比例劃分為訓練集和驗證集；
20、構建損失函數，所述損失函數為均方誤差函數；
21、設定正則化系數，并基于正則化系數在損失函數中引入正則化項，獲取正則化損失函數；
22、基于正則化損失函數，利用訓練集通過神經網絡訓練出若干個待選模型；
23、分別利用損失函數，評估若干個待選模型在驗證集上的損失值；
24、篩選出損失值最小值對應的待選模型，作為訓練損傷類型風險評價模型；
25、所述正則化損失函數具體為：
26、
27、其中，為正則化損失函數，為損失函數，為正則化系數，為神經網絡的第j個參數。
28、優選的，所述基于損傷類型的變遷評估指標，設定損傷類型對應的檢測方式的檢測精度具體包括：
29、基于初始檢測時刻對應的檢測數據，分析初始檢測時的損傷類型的發生風險概率，作為損傷類型的基礎風險指標；
30、將損傷類型的基礎風險指標加上損傷類型的變遷評估指標，作為損傷類型對應的實際風險評估值；
31、確定損傷類型對應的檢測方式對應的若干個精度調節檔位；
32、基于損傷類型對應的實際風險評估值，確定精度調節檔位；
33、按照設定的精度調節檔位對壩體進行檢測。
34、優選的，所述基于損傷類型對應的實際風險評估值，確定精度調節檔位具體包括：
35、設定最高的精度調節檔位對應的實際風險評估值，記為風險評估上閾值；
36、于0-風險評估上閾值內，設定與精度調節檔位數量對應的若干個梯度閾值；
37、將所有梯度閾值按照從小到大的順序依次與精度調節檔位構建對應關系；
38、將損傷類型對應的實際風險評估值與梯度閾值進行比對，確定按照從小到大第一個大于實際風險評估值的梯度閾值，將該梯度閾值對應的精度調節檔位作為確定的精度調節檔位。
39、進一步的，提出一種智慧水電站的壩體檢測控制系統，用于實現如上述的智慧水電站的壩體檢測控制方法，包括：
40、模型訓練模型，所述模型訓練模型用于獲取壩體的可能發生的至少一種損傷類型，并基于每一種損傷類型設置對應的檢測方式，基于壩體歷史運維管理數據，確定所有可能發生的壩體運維事件，分析每一個壩體運維事件與損傷類型之間的相關聯性，并構建損傷類型風險評價模型；
41、事件分析模塊，所述事件分析模塊用于基于壩體歷史運維管理數據，確定每一個損傷類型與當前時刻最接近的一次檢測時刻，記為初始檢測時刻，統計初始檢測時刻與當前時刻間的所有壩體運維事件，記為分析運維事件；
42、檢測模塊，所述檢測模塊與所述模型訓練模型和所述事件分析模塊電性連接，所述檢測模塊用于將分析運維事件代入損傷類型風險評價指標，得到每一個損傷類型的變遷評估指標，基于損傷類型的變遷評估指標，設定損傷類型對應的檢測方式的檢測精度。
43、可選地，所述模型訓練模型包括：
44、數據處理單元，所述數據處理單元用于基于歷史檢測數據中每一次的檢測數據，分析每一次檢測時的損傷類型的發生風險概率，計算檢測時的損傷類型的發生風險概率與前一次檢測時的損傷類型的發生風險概率的差值，統計檢測時與前一次檢測時之間發生的所有壩體運維事件；
45、樣本統計單元，所述樣本統計單元用于將檢測時的損傷類型的發生風險概率與前一次檢測時的損傷類型的發生風險概率的差值和檢測時與前一次檢測時之間發生的所有壩體運維事件組成一條樣本數據，獲取所有樣本數據，組成樣本數據集；
46、神經網絡訓練單元，所述神經網絡訓練單元用于基于樣本數據集，以檢測時與前一次檢測時之間發生的所有壩體運維事件作為輸入，以檢測時的損傷類型的發生風險概率與前一次檢測時的損傷類型的發生風險概率的差值作為輸出，利用神經網絡訓練損傷類型風險評價模型。
47、可選地，所述檢測模塊包括：
48、基準狀態分析單元，所述基準狀態分析單元用于基于初始檢測時刻對應的檢測數據，分本文檔來自技高網...
【技術保護點】
1.一種智慧水電站的壩體檢測控制方法，其特征在于，包括：
2.根據權利要求1所述的一種智慧水電站的壩體檢測控制方法，其特征在于，所述分析每一個壩體運維事件與損傷類型之間的相關聯性，并構建損傷類型風險評價模型具體包括：
3.根據權利要求2所述的一種智慧水電站的壩體檢測控制方法，其特征在于，所述利用神經網絡訓練損傷類型風險評價模型具體包括：
4.根據權利要求3所述的一種智慧水電站的壩體檢測控制方法，其特征在于，所述基于損傷類型的變遷評估指標，設定損傷類型對應的檢測方式的檢測精度具體包括：
5.根據權利要求4所述的一種智慧水電站的壩體檢測控制方法，其特征在于，所述基于損傷類型對應的實際風險評估值，確定精度調節檔位具體包括：
6.一種智慧水電站的壩體檢測控制系統，其特征在于，用于實現如權利要求1-5任一項所述的智慧水電站的壩體檢測控制方法，包括：
7.根據權利要求6所述的一種智慧水電站的壩體檢測控制系統，其特征在于，所述模型訓練模型包括：
8.根據權利要求7所述的一種智慧水電站的壩體檢測控制系統，其特征在
9.一種電子設備，其特征在于，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，
10.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-5中任一項所述的智慧水電站的壩體檢測控制方法。
...【技術特征摘要】
1.一種智慧水電站的壩體檢測控制方法，其特征在于，包括：
2.根據權利要求1所述的一種智慧水電站的壩體檢測控制方法，其特征在于，所述分析每一個壩體運維事件與損傷類型之間的相關聯性，并構建損傷類型風險評價模型具體包括：
3.根據權利要求2所述的一種智慧水電站的壩體檢測控制方法，其特征在于，所述利用神經網絡訓練損傷類型風險評價模型具體包括：
4.根據權利要求3所述的一種智慧水電站的壩體檢測控制方法，其特征在于，所述基于損傷類型的變遷評估指標，設定損傷類型對應的檢測方式的檢測精度具體包括：
5.根據權利要求4所述的一種智慧水電站的壩體檢測控制方法，其特征在于，所述基于損傷類型對應的實際風險評估值，確...
【專利技術屬性】
技術研發人員：周君龍，華林峰，陳濤，俞文虎，張海軍，
申請(專利權)人：江陰市璜塘水利工程有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。