【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及低應(yīng)變法定量識(shí)別，尤其涉及一種基于群智能算法的管樁缺陷識(shí)別方法。
技術(shù)介紹
1、樁基礎(chǔ)是建筑結(jié)構(gòu)的重要組成部分，樁身缺陷會(huì)對(duì)結(jié)構(gòu)使用構(gòu)成嚴(yán)重安全隱患，準(zhǔn)確判斷樁基礎(chǔ)損傷情況是保證結(jié)構(gòu)安全使用、維護(hù)和管理的必要技術(shù)措施。低應(yīng)變反射波法是通過在樁頂施加一個(gè)瞬態(tài)沖擊力的動(dòng)荷載，產(chǎn)生應(yīng)力波，應(yīng)力波沿著樁身向下傳播，當(dāng)樁身存在明顯波阻抗界面(如樁底、斷裂或離析、夾泥等部位)或樁身截面積變化(如縮頸或擴(kuò)徑)部位，將產(chǎn)生反射波。利用特定的儀器經(jīng)接收、放大、濾波和數(shù)據(jù)處理，可識(shí)別來自樁身不同部位的反射信息，通過對(duì)反射信息進(jìn)行分析計(jì)算，判別管樁損傷和樁身完整性。但國內(nèi)關(guān)于低應(yīng)變反射波法管樁損傷識(shí)別定量分析和相應(yīng)可靠性研究較少，制約了該方法的進(jìn)一步應(yīng)用。如何通過無損動(dòng)力測(cè)試方法來快速準(zhǔn)確的定量識(shí)別管樁損傷情況是許多國內(nèi)、外學(xué)者和工程技術(shù)人員的研究熱點(diǎn)。
2、針對(duì)上述問題，本專利技術(shù)結(jié)合先進(jìn)的非線性暴力求解算法—群智能優(yōu)化算法進(jìn)行管樁缺陷定量識(shí)別，提高低應(yīng)變法的識(shí)別精度和可靠度。群智能算法是通過模擬生物群體的某一種行為而實(shí)現(xiàn)的一類基于群體搜索的智能優(yōu)化方法，它的優(yōu)點(diǎn)是全局搜索能力強(qiáng)、無需靈敏度信息、對(duì)初值不敏感。常見的算法如粒子群算法(pso)、云模型果蠅算法(cmfoa)、jaya算法、松鼠搜索算法、經(jīng)驗(yàn)學(xué)習(xí)算法等。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)存在的不足，本專利技術(shù)目的在于提供一種基于群智能優(yōu)化算法的管樁缺陷識(shí)別方法，可以針對(duì)均質(zhì)覆土條件下的預(yù)應(yīng)力混凝土管樁缺陷位置進(jìn)行定
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)可以通過以下技術(shù)方案予以實(shí)現(xiàn)：
3、一種基于群智能算法的管樁缺陷識(shí)別方法，所述方法包括：
4、獲取管樁的測(cè)量速度時(shí)程響應(yīng)曲線數(shù)據(jù)v；
5、在管樁缺陷識(shí)別程序中輸入測(cè)量速度時(shí)程響應(yīng)曲線數(shù)據(jù)v、經(jīng)驗(yàn)學(xué)習(xí)參數(shù)、模型固定參數(shù)和模型變化參數(shù)；
6、所述管樁缺陷識(shí)別程序進(jìn)行迭代計(jì)算得到最優(yōu)候選解。
7、進(jìn)一步地，所述經(jīng)驗(yàn)學(xué)習(xí)參數(shù)包括最大迭代次數(shù)itermax、最大種群數(shù)量np、決策變量的上界xmax、決策變量的下界xmin和最大維度數(shù)量n，所述決策變量的上界xmax和決策變量的下界xmin根據(jù)所述模型變化參數(shù)的取值范圍進(jìn)行設(shè)置。
8、進(jìn)一步地，所述模型固定參數(shù)包括樁周土半徑r、樁周土埋深h、管樁直徑d、管樁壁厚t、樁長(zhǎng)l、樁身劃分部件數(shù)n、樁身材料彈性模量e1、樁周土彈性模量e2、樁身材料泊松比v1、樁周土泊松比v2、樁身材料密度ρ1、樁周土密度ρ2、粘聚力c、摩擦角φ、樁身材料縱波波速c1和樁周土縱波波速c2，所述模型固定參數(shù)不隨迭代計(jì)算變化。
9、進(jìn)一步地，所述模型變化參數(shù)包括激振力幅值f、激振力脈沖寬度l、管樁完整性系數(shù)集合β、樁土摩擦系數(shù)μ和樁土阻尼比ξ，所述模型變化參數(shù)隨迭代計(jì)算優(yōu)化。
10、進(jìn)一步地，所述迭代計(jì)算包括：
11、算法種群初始化得到初始化的候選解xp,q；
12、根據(jù)初始化的候選解xp,q開始進(jìn)行迭代計(jì)算；
13、每一次迭代分別按照種群個(gè)體數(shù)p和維度數(shù)量q依次迭代計(jì)算得到候選解；
14、迭代計(jì)算直至達(dá)到最大迭代次數(shù)itermax，得到最優(yōu)候選解。
15、進(jìn)一步地，每一次迭代分別按照種群個(gè)體數(shù)p和維度數(shù)量q依次迭代計(jì)算得到候選解包括：
16、令種群個(gè)體數(shù)p＝1；
17、通過matlab根據(jù)候選解xp,q修改命令流文件里的模型變化參數(shù)；
18、abaqus調(diào)用修改后的命令流文件生成樁土模型，處理操作得到計(jì)算速度時(shí)程響應(yīng)曲線數(shù)據(jù)
19、根據(jù)測(cè)量速度時(shí)程響應(yīng)曲線數(shù)據(jù)v和計(jì)算速度時(shí)程響應(yīng)曲線數(shù)據(jù)計(jì)算候選解xp,q的適應(yīng)值f；
20、對(duì)于候選解xp,q，從種群(p≠1)中隨機(jī)選擇另一個(gè)候選解xl,q，用于生成潛在的搜索方向，根據(jù)候選解xp,q新舊位置之間的距離，通過模型更新候選解的新位置；
21、依次迭代直至種群個(gè)體數(shù)p達(dá)到最大種群數(shù)量np；
22、進(jìn)入空間增強(qiáng)維度搜索階段按照維度數(shù)量q依次迭代計(jì)算得到較好的候選解；
23、依次迭代直至維度數(shù)量q達(dá)到最大維度數(shù)量n。
24、進(jìn)一步地，
25、根據(jù)以下公式得到初始化的候選解xp,q：
26、xp,q＝xmin+rand·(xmax-xmin),p＝1,2,…,np,q＝1,2,…,n?(1)
27、xp,q＝(f，l，β，μ，ξ)；β＝(β1,β2,…,βn)t；
28、其中，xmax是決策變量的上界，xmin是決策變量的下界，rand是在[0，1]范圍內(nèi)的均勻分布的隨機(jī)數(shù)，p為種群個(gè)體數(shù)，q為維度數(shù)量，f為激振力幅值，l為激振力脈沖寬度，β為管樁完整性系數(shù)集合，μ為樁土摩擦系數(shù)，ξ為樁土阻尼比。
29、進(jìn)一步地，根據(jù)如下公式計(jì)算候選解xp,q的適應(yīng)值f：
30、
31、其中，是計(jì)算速度時(shí)程響應(yīng)曲線數(shù)據(jù)，v是測(cè)量速度時(shí)程響應(yīng)曲線數(shù)據(jù)。
32、進(jìn)一步地，對(duì)于候選解xp,q，從種群(p≠1)中隨機(jī)選擇另一個(gè)候選解xl,q，用于生成潛在的搜索方向，根據(jù)候選解xp,q新舊位置之間的距離，通過以下兩個(gè)模型更新位置：
33、模式1:候選解xp,q的新位置直接向候選解xl,q學(xué)習(xí)，探索半徑隨迭代動(dòng)態(tài)變化：
34、
35、模式2：根據(jù)候選解xl,q的經(jīng)驗(yàn)，在原位置附近產(chǎn)生候選解xp,q的新位置：
36、
37、其中，rand是取[0,1]之間的隨機(jī)值的函數(shù)，iter是當(dāng)前迭代次數(shù)，itermax是最大迭代次數(shù)；
38、在每次迭代過程中，為了平衡算法在搜索過程中的探索和開發(fā)能力，隨機(jī)調(diào)用這兩種模式中的其中一種；
39、如果新位置的適應(yīng)值優(yōu)于舊位置，則根據(jù)以下公式更新候選解的位置，否則保留舊位置：
40、
41、進(jìn)一步地，進(jìn)入空間增強(qiáng)維度搜索階段按照維度數(shù)量q依次迭代計(jì)算得到較好的候選解包括以下步驟：
42、在種群個(gè)體數(shù)p＝1,2,…,np迭代計(jì)算的所有候選解中找出最佳候選解xbest,q和最差候選解xworst,q；
43、根據(jù)最佳候選解xbest,q和最差候選解xworst,q，以及改變一個(gè)維度的值，同時(shí)保持其他維度的值，產(chǎn)生新的候選解
44、將新的候選解與原候選解的適應(yīng)度值進(jìn)行比較，保留較好的候選解；
45、新的候選解由以下公式產(chǎn)生：
46、
47、其中，xbest,q為最佳候選解，xworst,q為最差候選解，iter為當(dāng)前迭代次數(shù)，itermax為最大迭代次數(shù)，rand是在[0，1]范圍內(nèi)的均勻分布的隨機(jī)數(shù)，q為維度數(shù)量。
48、與現(xiàn)有技術(shù)相比，本本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于群智能算法的管樁缺陷識(shí)別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的管樁缺陷識(shí)別方法，其特征在于：所述經(jīng)驗(yàn)學(xué)習(xí)參數(shù)包括最大迭代次數(shù)Itermax、最大種群數(shù)量Np、決策變量的上界Xmax、決策變量的下界Xmin和最大維度數(shù)量n，所述決策變量的上界Xmax和決策變量的下界Xmin根據(jù)所述模型變化參數(shù)的取值范圍進(jìn)行設(shè)置。
3.根據(jù)權(quán)利要求1所述的管樁缺陷識(shí)別方法，其特征在于：所述模型固定參數(shù)包括樁周土半徑R、樁周土埋深h、管樁直徑d、管樁壁厚t、樁長(zhǎng)l、樁身劃分部件數(shù)N、樁身材料彈性模量E1、樁周土彈性模量E2、樁身材料泊松比v1、樁周土泊松比v2、樁身材料密度ρ1、樁周土密度ρ2、粘聚力c、摩擦角φ、樁身材料縱波波速C1和樁周土縱波波速C2，所述模型固定參數(shù)不隨迭代計(jì)算變化。
4.據(jù)權(quán)利要求1所述的管樁缺陷識(shí)別方法，其特征在于：所述模型變化參數(shù)包括激振力幅值F、激振力脈沖寬度L、管樁完整性系數(shù)集合β、樁土摩擦系數(shù)μ和樁土阻尼比ξ，所述模型變化參數(shù)隨迭代計(jì)算優(yōu)化。
5.根據(jù)權(quán)利要求1所述的管樁缺陷識(shí)別方法，其特
6.根據(jù)權(quán)利要求5所述的管樁缺陷識(shí)別方法，其特征在于，
7.根據(jù)權(quán)利要求5所述的管樁缺陷識(shí)別方法，其特征在于，
8.根據(jù)權(quán)利要求6所述的管樁缺陷識(shí)別方法，其特征在于，根據(jù)如下公式計(jì)算候選解Xp,q的適應(yīng)值f：
9.根據(jù)權(quán)利要求6所述的管樁缺陷識(shí)別方法，其特征在于，對(duì)于候選解Xp,q，從種群(p≠1)中隨機(jī)選擇另一個(gè)候選解Xl,q，用于生成潛在的搜索方向，根據(jù)候選解Xp,q新舊位置之間的距離，通過以下兩個(gè)模型更新位置：
10.根據(jù)權(quán)利要求6所述的管樁缺陷識(shí)別方法，其特征在于，
...【技術(shù)特征摘要】
1.一種基于群智能算法的管樁缺陷識(shí)別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的管樁缺陷識(shí)別方法，其特征在于：所述經(jīng)驗(yàn)學(xué)習(xí)參數(shù)包括最大迭代次數(shù)itermax、最大種群數(shù)量np、決策變量的上界xmax、決策變量的下界xmin和最大維度數(shù)量n，所述決策變量的上界xmax和決策變量的下界xmin根據(jù)所述模型變化參數(shù)的取值范圍進(jìn)行設(shè)置。
3.根據(jù)權(quán)利要求1所述的管樁缺陷識(shí)別方法，其特征在于：所述模型固定參數(shù)包括樁周土半徑r、樁周土埋深h、管樁直徑d、管樁壁厚t、樁長(zhǎng)l、樁身劃分部件數(shù)n、樁身材料彈性模量e1、樁周土彈性模量e2、樁身材料泊松比v1、樁周土泊松比v2、樁身材料密度ρ1、樁周土密度ρ2、粘聚力c、摩擦角φ、樁身材料縱波波速c1和樁周土縱波波速c2，所述模型固定參數(shù)不隨迭代計(jì)算變化。
4.據(jù)權(quán)利要求1所述的管樁缺陷識(shí)別...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陽亮，李煒鵬，陳松，李宏濤，袁杰，林祺常，謝乙隆，陳麗青，劉慧，
申請(qǐng)(專利權(quán))人：廣州廣檢建設(shè)工程檢測(cè)中心有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。