CN109726497B - 一种空间钢结构温度场的获取方法 - Google Patents
一种空间钢结构温度场的获取方法 Download PDFInfo
- Publication number
- CN109726497B CN109726497B CN201910019066.8A CN201910019066A CN109726497B CN 109726497 B CN109726497 B CN 109726497B CN 201910019066 A CN201910019066 A CN 201910019066A CN 109726497 B CN109726497 B CN 109726497B
- Authority
- CN
- China
- Prior art keywords
- temperature
- determining
- estimated
- steel structure
- optimal
- 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
Images
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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请涉及一种空间钢结构温度场的获取方法,包括:获取基于环境温度和太阳辐射温升的模拟温度场;根据模拟温度场确定温度估计的优选模式;根据优选模式确定温度传感器的优化布置方案;根据监测数据和优选模式确定空间钢结构温度场,所述监测数据是由温度传感器监测得到的,所述温度传感器是按照所述优化布置方案进行设置的。该方法能运用已有的结构有限元模型,获取该结构温度估计的优选模式,并基于优选模式实现温度传感器优化布置,进而运用结构健康监测系统的温度监测数据,实现空间钢结构实时温度场的获取。
Description
技术领域
本申请涉及土木工程结构的监测数据处理技术领域,具体涉及一种空间钢结构温度场的获取方法。
背景技术
空间钢结构是一种覆盖跨度大,具有三维空间形态,且在荷载作用下具有三维空间受力特性的建筑结构,被广泛用于机场、展览中心以及大型剧院。空间钢结构是高次超静定结构,通常直接外露在太阳下,太阳辐射温度变化引起的钢结构变形包括轴向变形、弯曲变形和面外变形等,这些变形在多余约束下会引起温度内力,因此需要重点关注太阳辐射与温度场的关系。此外,温度反复变化会产生大的变形差,也会使结构构件发生疲劳破坏。
由此可见,温度作用对结构的应力与疲劳有较大影响,因而开展温度作用研究对空间钢结构的设计与安全使用具有重要意义。进一步地,温度场是分析温度作用的基础。
相关技术中,一种方法是基于实测温度研究空间钢结构温度作用,对某些杆件的温度进行监测,研究不同时段不同区域温度的非均匀性,或研究均匀温度作用与非均匀温度作用下应力与温度的关系,该方法仅涉及有限测点温度作用的研究而不涉及温度场的获取;另一种方法是基于温度数据拟合及太阳辐射量统计对空间钢结构进行分区,以各区内测点的温度平均值作为该区的温度作用值,该方法在各区获取的温度场实际上是理想化的均匀温度场。可见,模拟温度场存在着模型简化、换热系数取值理想化、传热方式考虑不全面等问题,与实际温度场存在偏差。
发明内容
为至少在一定程度上克服相关技术中存在的问题,本申请提供一种空间钢结构温度场的获取方法。
根据本申请的实施例,提供一种空间钢结构温度场的获取方法,包括:
获取基于环境温度和太阳辐射温升的模拟温度场;
根据模拟温度场确定温度估计的优选模式;
根据优选模式确定温度传感器的优化布置方案;
根据监测数据和优选模式确定空间钢结构温度场,所述监测数据是由温度传感器监测得到的,所述温度传感器是按照所述优化布置方案进行设置的。
进一步地,所述获取基于环境温度和太阳辐射温升的模拟温度场,包括:
确定环境温度;
计算太阳辐射累积量;
根据所述太阳辐射累积量计算太阳辐射温升;
将所述环境温度与所述太阳辐射温升叠加,得到所述模拟温度场。
进一步地,所述确定环境温度,包括:
将空间钢结构所在城市的年平均温度确定为环境温度;
所述计算太阳辐射累积量,包括:
建立空间钢结构的三维模型;
设定相关参数,所述相关参数包括地理气象数据、地理位置信息和辐射累积时间;
根据三维模型和相关参数计算太阳辐射累积量。
进一步地,所述根据模拟温度场确定温度估计的优选模式,包括:
确定温度估计的数学模型;
根据实测点与待估计点数量的比值确定出多种工况;
针对每一种工况,在该工况下进行实测点的选取,并根据选取的实测点计算待估计点的温度值;
通过调整所述数学模型的参数,计算该工况下每组参数所对应的模式评价指标;
根据最优的模式评价指标所对应的参数,确定该工况的优选模式;
其中,实测点为空间钢结构中安装了温度传感器,可以获得温度实测数据的点;待估计点为空间钢结构中没有安装温度传感器,需要估计温度值的点。
进一步地,所述模式评价指标包括:平均绝对误差和均方根误差。
进一步地,所述确定温度估计的数学模型,包括:
确定实测点和待估计点的数学表达式;
根据反距离加权插值法确定温度估计公式,使待估计点温度值等于待估计点选定范围内所有实测点温度值的加权平均;
将所述数学模型的参数包括:与选定范围相关的半径参数、与加权平均相关的权值参数。
进一步地,所述根据优选模式确定温度传感器的优化布置方案,包括:
确定温度传感器优化布置的布置评价指标;
计算每一种工况对应的布置评价指标;
根据最优的布置评价指标确定温度传感器的数量;
确定最优的布置评价指标所对应的工况,将该工况对应的实测点位置确定为优化布置方案。
进一步地,该方法还包括:
根据温度估计的精度要求确定布置评价指标的选取阈值;
根据选取阈值确定最优的布置评价指标。
进一步地,所述布置评价指标为vt:
vt=(gt/y)×100%
式中,gt表示所有待估计点温度值与温度模拟值差值的平均值;y表示待估计点温度模拟值的最大差值。
进一步地,所述根据监测数据和优选模式确定空间钢结构温度场,包括:
获取监测数据;
将最优的布置评价指标所对应的工况确定为温度场获取的优选工况;
将该优选工况的优选模式所对应的参数确定为最终参数;
将监测数据和最终参数代入温度估计的数学模型,得到所有待估计点温度值的集合,该集合即为基于优选模式的空间钢结构温度场。
本申请的实施例提供的技术方案可以包括以下有益效果:
该方法能运用已有的结构有限元模型,获取该结构温度估计的优选模式,并基于优选模式实现温度传感器优化布置,进而运用结构健康监测系统的温度监测数据,实现空间钢结构实时温度场的获取。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种空间钢结构温度场的获取方法的流程图。
图2是太阳辐射累积量计算流程图。
图3是各工况对应的方次参数及搜索半径示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的的例子。
如图1所示,本发明提供一种基于监测数据与优选模式的空间钢结构温度场获取方法,该方法包括以下步骤:
S1、获取基于环境温度和太阳辐射温升的模拟温度场;
S2、根据模拟温度场确定温度估计的优选模式;
S3、根据优选模式确定温度传感器的优化布置方案;
S4、根据监测数据和优选模式确定空间钢结构温度场;
其中,所述监测数据是由温度传感器监测得到的,所述温度传感器是按照所述优化布置方案进行设置的。
该方法能运用已有的结构有限元模型,获取该结构温度估计的优选模式,并基于优选模式实现温度传感器优化布置,进而运用结构健康监测系统的温度监测数据,实现空间钢结构实时温度场的获取。
一些实施例中,所述获取基于环境温度和太阳辐射温升的模拟温度场,包括:
确定环境温度;
计算太阳辐射累积量;
根据所述太阳辐射累积量计算太阳辐射温升;
将所述环境温度与所述太阳辐射温升叠加,得到所述模拟温度场。
一些实施例中,所述确定环境温度,包括:
将空间钢结构所在城市的年平均温度确定为环境温度。
一些实施例中,所述计算太阳辐射累积量,包括:
建立空间钢结构的三维模型;
设定相关参数,所述相关参数包括地理气象数据、地理位置信息和辐射累积时间;
根据三维模型和相关参数计算太阳辐射累积量。
所述步骤S1包括模拟温度场的计算,环境温度的确定,太阳辐射温升的计算,以及太阳辐射累积量的计算。
S11、所述模拟温度场的计算采用以下方法:
获取模拟温度场的目的在于获得结构不同位置之间温度的相互关系,从而确定温度场获取的优选模式。模拟温度场考虑环境温度与太阳辐射温升的叠加
Tf=TN+TF (1)
S12、所述环境温度的确定采用以下方法:
环境温度取值TN为结构所在城市的年平均温度tm
TN=tm (2)
S13、所述太阳辐射温升的计算采用以下方法:
确定太阳辐射温升的计算公式为
λ=ρAh (4)
式中,c为钢材比热容;λ为单位面积钢板的质量,ρ为钢材的密度;A为实测点面积,由于Δw采用单位面积计算,因此A=1;h钢构件钢板的厚度;Δw为太阳辐射累积量。
如图2所示,S14、所述太阳辐射累积量的计算具体包括以下步骤:
S141、建立CAD三维模型:通过导入建筑图纸建立对象结构的CAD三维模型;
S142、另存为dfx文件:将对象结构保存为dfx文件;
S143、导入Ecotect Analysis软件:使用Ecotect软件自带的建模工具进行模型建立;
S144、载入地理气象数据:下载Ecotect软件对应的气象分析包,选择对象结构所在城市的气象数据并载入;
S145、设置地理位置信息:设置对象结构的经纬度及朝向;
S146、结构表面细分网格:分析网格的尺寸设置与分析精度有关,由于步骤S13中Δw采用单位面积计算,因此可将网格细分为单位面积大小;
S147、设定辐射累积时间:设定结构辐射累积的起止时间,开始时刻一般为日出时刻,该时刻记录在Ecotect软件对应的气象分析包中,结束时刻一般设定为日出时刻的2~4小时后;
S148、太阳辐射累积计算:运行Ecotect软件中太阳辐射累积分析功能;
S149、得到太阳辐射累积量:得到计算结果并提取数据。
其中,Ecotect Analysis分析操作过程如下:
建模过程:对于简单体型建筑的模型,通过导入建筑CAD图纸并使用软件自带的建模工具进行快速的简单模型建立。所指建筑图纸包括空间钢结构的平面图、立面图的结构的剖面图,当然建筑图纸还包括场地总图。对于复杂体型建筑的结构,不宜选择在EcotectAnalysis分析软件中建模,宜通过与其他软件间的数据交换方式来建立准确的模型。除了可导入Revit,3D MAX、等软件来建立CAD三维模型之外,Ecotect Analysis可识别DXF格式的文件。
一些实施例中,所述根据模拟温度场确定温度估计的优选模式,包括:
确定温度估计的数学模型;
根据实测点与待估计点数量的比值确定出多种工况;
针对每一种工况,在该工况下进行实测点的选取,并根据选取的实测点计算待估计点的温度值;
通过调整所述数学模型的参数,计算该工况下每组参数所对应的模式评价指标;
根据最优的模式评价指标所对应的参数,确定该工况的优选模式;
其中,实测点为空间钢结构中安装了温度传感器,可以获得温度实测数据的点;待估计点为空间钢结构中没有安装温度传感器,需要估计温度值的点。
一些实施例中,所述模式评价指标包括:平均绝对误差和均方根误差。
一些实施例中,所述确定温度估计的数学模型,包括:
确定实测点和待估计点的数学表达式;
根据反距离加权插值法确定温度估计公式,使待估计点温度值等于待估计点选定范围内所有实测点温度值的加权平均;
将所述数学模型的参数包括:与选定范围相关的半径参数、与加权平均相关的权值参数。
所述步骤S2包括温度估计方法,方次参数与优选模式的确定,工况的确定,实测点的选择,待估计点温度值的计算,优选模式评价指标的计算,以及优选模式的确定。
S21、所述温度估计方法,主要包括以下步骤:
S211、给出实测点与待估计点的表达:实测点表示结构中安装了温度传感器,可以获得温度实测数据的点;待估计点表示结构中没有安装温度传感器,需要估计温度值的点。n个实测点的温度值,温度模拟值和三维坐标分别表示为T、Tf和D;m个待估计点的温度值,温度模拟值和三维坐标分别表示为和
T=[T1 T2…Tj…Tn] (5)
Tf=[Tf,1 Tf,2…Tf,j…Tf,n] (6)
D=[(X1 Y1 Z1)(X2 Y2 Z2)…(Xj Yj Zj)…(Xn Yn Zn)] (7)
式中,(Xj Yj Zj)表示第j个实测点的三维坐标;Tj表示第j个实测点的温度值;Tf,j表示第j个实测点的温度模拟值;表示第i个待估计点的三维坐标;表示第i个待估计点的温度值;表示第i个待估计点的温度模拟值。
S212、给出温度估计公式:运用反距离加权插值法进行温度场获取,其原理是:待估计点温度值等于待估计点范围内实测点温度值的加权平均,权重为待估计点与实测点距离的-k方次。m个待估计点到n个实测点的所有距离为S,用距离公式计算
式中,S表示待估计点到实测点的距离;k表示方次参数;Sij表示第i个待估计点到第j个实测点的空间距离。
S213、给出温度估计的影响因素:运用反距离加权插值法获取温度场时,待估计点范围内实测点的选取一般基于搜索半径,即在每次插值中,每个待估计点的搜索半径相同,但每个待估计点囊括的实测点数量可能不同。因此,运用反距离加权插值法进行温度场获取的影响因素主要包括方次参数k和搜索半径R。其中,方次参数k即为前述的半径参数,搜索半径R即为前述的权值参数。
S22、方次参数与搜索半径的确定采用以下方法:
方次参数k是影响插值结果的重要因素之一。当k取值过小而接近于0时,温度估计结果相当于所有实测点温度值的平均值;当k取值过大时,待估计点的温度估计结果接近于距离最近的实测点的温度值。因此,方次参数k可先在1至5之间取值并进行计算,若平均绝对误差e和均方根误差d在k取值为1至5即出现拐点并存在最小值,则结束运算并e和d最小值所对应的方次参数k为最优方次参数;若e和d在k取值为1至5时未出现拐点,则扩大k的取值范围直到e和d出现最小值;当e和d的增长趋势明显不可能出现拐点和最小值时,最优方次参数k取值为1。搜索半径R在距离最小值与距离最大值之间取值
k=[k1 k2…kp…k5] (14)
R=[R1 R2…Rq…Ra+1] (15)
R1=min(Sij) (16)
Ra+1=max(Sij) (17)
Ra+1=R1+ab (18)
式中,R1表示初始搜索半径,取值为S矩阵中的最小值;Ra+1表示最大搜索半径,取值为S矩阵中的最大值;b表示步距;a表示步数。表示搜索半径从R1开始每次以相等歩距b向外扩大搜索范围直到Ra+1,总共搜索a+1次。
如图3所示,可以通过改变传感器数量与待估计点数量的比例确定不同工况,调整每个工况下所述数学模型的参数。
S23、所述工况的确定采用以下方法:
按照传感器数量与待估计点数量之比n:m分别等于1:1、1:2、1:3至1:H的比例确定出总共H种工况,n与m的比例为Q。对于每一种工况,均是按照相对均匀分布的原则,在对象结构中选取实测点。总共H种工况,每一种工况均对应5种方次参数k及a+1种搜索半径。
n=[n1 n2…nt…nH] (19)
nt=Qtm (20)
Q=[1 2…t…H] (21)
S24、所述实测点的选择采用以下方法:
以步骤S23第t种工况n=nt中k=ktp与R=Rtq为例进行所述实测点的选取。Sij≤Rtq表示第j个实测点包含在第i个待估计点的搜索半径Rtq范围内。所有满足Sij≤Rtq的距离Sij表示为Stpq,i,所有满足Sij≤Rtq的实测点温度模拟值Tf,j表示为Ttpq,f,所有满足Sij≤Rtq的实测点个数表示为xtpq:
S25、所述待估计点温度值的计算采用以下方法:
以步骤S23第t种工况n=nt中k=ktp与R=Rtq为例进行所述待估计点温度值的计算,共可计算出m=nt/Qt个待估计点的温度值。
S26、所述优选模式评价指标的计算采用以下方法:
优选模式的评价指标为平均绝对误差e和均方根误差d。以步骤S23第t种工况n=nt中k=ktp与R=Rtq为例进行所述优选模式评价指标的计算。此工况下优选模式的评价指标为平均绝对误差et和均方根误差dt
改变方次参数k与搜索半径R的取值,k有5种工况,R有a+1种工况,则第t种工况总共可以计算出5a+5种平均绝对误差e和均方根误差d
S27、所述优选模式的确定采用以下方法:
将步骤S23中总共H种工况的优选模式全部计算出来,共有H种优选模式。
一些实施例中,所述根据优选模式确定温度传感器的优化布置方案,包括:
确定温度传感器优化布置的布置评价指标;
计算每一种工况对应的布置评价指标;
根据最优的布置评价指标确定温度传感器的数量;
确定最优的布置评价指标所对应的工况,将该工况对应的实测点位置确定为优化布置方案。
一些实施例中,该方法还包括:
根据温度估计的精度要求确定布置评价指标的选取阈值;
根据选取阈值确定最优的布置评价指标。
所述步骤S3包括优化布置评价指标的计算,传感器数量的确定,以及传感器的布置。
S31、所述优化布置评价指标的计算采用以下方法:
以步骤S23第t种工况n=nt为例进行所述优化布置评价指标的计算。在该工况下,传感器优化布置的布置评价指标为vt:
vt=(gt/y)×100% (34)
则步骤23总共H种工况共对应H种优化布置评价指标。
v=[v1 v2…vt…vH] (37)
S32、所述传感器数量的确定采用以下方法:
将满足vt≤θ条件并且t为最大值的工况表示为vK,则vK所对应的nK即为最优的传感器数量,其数学意义为:在所有满足vt≤θ条件的工况中,选出使用传感器数量最少的一种工况。θ表示最优传感器数量选取的阈值,该阈值的选取与所需温度估计的精度有关,为同时满足精度要求及经济性要求,可将阈值定为θ=5%。
S33、所述传感器的布置采用以下方法:在步骤23的总共H种工况中找出nK对应的工况,按照该工况对应的实测点位置,将nK个温度传感器布置到实际结构中。
一些实施例中,所述根据监测数据和优选模式确定空间钢结构温度场,包括:
获取监测数据;
将最优的布置评价指标所对应的工况确定为温度场获取的优选工况;
将该优选工况的优选模式所对应的参数确定为最终参数;
将监测数据和最终参数代入温度估计的数学模型,得到所有待估计点温度值的集合,该集合即为基于优选模式的空间钢结构温度场。
所述步骤S4包括温度监测数据的获取,优选模式的溯源,以及基于优选模式的温度场获取。
S41、所述温度监测数据的获取采用以下方法:从监测中心中获取nK个温度传感器的实测温度数据
S42、所述优选模式的溯源采用以下方法:将步骤S32中根据θ确定的vK所对应的步骤S26中的方次参数k和搜索半径R表示为kK和RK,即为温度场获取的优选模式。
S43、所述基于优选模式的温度场获取采用以下方法:取k=kK,R=RK,所有满足Sij≤RK的距离Sij表示为SK,所有满足Sij≤RK的实测点温度值Tj表示为TK,所有满足Sij≤RK的实测点个数表示为xK,表示基于优选模式的待估计点温度值,此时得到的所有待估计点温度值的集合,即为基于优选模式获取的温度场
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种空间钢结构温度场的获取方法,其特征在于,包括:
获取基于环境温度和太阳辐射温升的模拟温度场;
根据模拟温度场确定温度估计的优选模式;
根据优选模式确定温度传感器的优化布置方案;
根据监测数据和优选模式确定空间钢结构温度场,所述监测数据是由温度传感器监测得到的,所述温度传感器是按照所述优化布置方案进行设置的;
其中,所述根据模拟温度场确定温度估计的优选模式,包括:
确定温度估计的数学模型;
根据实测点与待估计点数量的比值确定出多种工况;
针对每一种工况,在该工况下进行实测点的选取,并根据选取的实测点计算待估计点的温度值;
通过调整所述数学模型的参数,计算该工况下每组参数所对应的模式评价指标;
根据最优的模式评价指标所对应的参数,确定该工况的优选模式;
其中,实测点为空间钢结构中安装了温度传感器,可以获得温度实测数据的点;待估计点为空间钢结构中没有安装温度传感器,需要估计温度值的点。
2.根据权利要求1所述的方法,其特征在于,所述获取基于环境温度和太阳辐射温升的模拟温度场,包括:
确定环境温度;
计算太阳辐射累积量;
根据所述太阳辐射累积量计算太阳辐射温升;
将所述环境温度与所述太阳辐射温升叠加,得到所述模拟温度场。
3.根据权利要求2所述的方法,其特征在于,所述确定环境温度,包括:
将空间钢结构所在城市的年平均温度确定为环境温度;
所述计算太阳辐射累积量,包括:
建立空间钢结构的三维模型;
设定相关参数,所述相关参数包括地理气象数据、地理位置信息和辐射累积时间;
根据三维模型和相关参数计算太阳辐射累积量。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述模式评价指标包括:平均绝对误差和均方根误差。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述确定温度估计的数学模型,包括:
确定实测点和待估计点的数学表达式;
根据反距离加权插值法确定温度估计公式,使待估计点温度值等于待估计点选定范围内所有实测点温度值的加权平均;
将所述数学模型的参数包括:与选定范围相关的半径参数、与加权平均相关的权值参数。
6.根据权利要求5所述的方法,其特征在于,所述根据优选模式确定温度传感器的优化布置方案,包括:
确定温度传感器优化布置的布置评价指标;
计算每一种工况对应的布置评价指标;
根据最优的布置评价指标确定温度传感器的数量;
确定最优的布置评价指标所对应的工况,将该工况对应的实测点位置确定为优化布置方案。
7.根据权利要求6所述的方法,其特征在于,还包括:
根据温度估计的精度要求确定布置评价指标的选取阈值;
根据选取阈值确定最优的布置评价指标。
8.根据权利要求6所述的方法,其特征在于,所述布置评价指标为vt:
vt=(gt/y)×100%
式中,gt表示所有待估计点温度值与温度模拟值差值的平均值;y表示待估计点温度模拟值的最大差值。
9.根据权利要求8所述的方法,其特征在于,所述根据监测数据和优选模式确定空间钢结构温度场,包括:
获取监测数据;
将最优的布置评价指标所对应的工况确定为温度场获取的优选工况;
将该优选工况的优选模式所对应的参数确定为最终参数;
将监测数据和最终参数代入温度估计的数学模型,得到所有待估计点温度值的集合,该集合即为基于优选模式的空间钢结构温度场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910019066.8A CN109726497B (zh) | 2019-01-08 | 2019-01-08 | 一种空间钢结构温度场的获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910019066.8A CN109726497B (zh) | 2019-01-08 | 2019-01-08 | 一种空间钢结构温度场的获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109726497A CN109726497A (zh) | 2019-05-07 |
CN109726497B true CN109726497B (zh) | 2023-04-07 |
Family
ID=66298781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910019066.8A Active CN109726497B (zh) | 2019-01-08 | 2019-01-08 | 一种空间钢结构温度场的获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109726497B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415044B (zh) * | 2020-10-14 | 2022-03-15 | 武汉大学 | 一种基于力学手段检测固体比热容的方法 |
CN112984602B (zh) * | 2021-03-02 | 2022-04-29 | 西南交通大学 | 大空间建筑在太阳辐射下地板辐射供暖系统及分区方法 |
CN117079848B (zh) * | 2023-10-17 | 2023-12-19 | 四川大学 | 一种核电厂一回路最优测温点的选择方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324797A (zh) * | 2013-06-21 | 2013-09-25 | 上海交通大学 | 一种高层钢框架结构整体抗火性能的检验分析方法 |
CN104899388A (zh) * | 2015-06-17 | 2015-09-09 | 卢伟 | 一种空间钢结构环境荷载作用下的结构安全评估方法 |
CN105930571A (zh) * | 2016-04-15 | 2016-09-07 | 东南大学 | 基于单位温度响应监测值的大跨钢桥有限元模型修正方法 |
CN105956216A (zh) * | 2016-04-15 | 2016-09-21 | 东南大学 | 大跨钢桥基于均匀温度响应监测值的有限元模型修正方法 |
-
2019
- 2019-01-08 CN CN201910019066.8A patent/CN109726497B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324797A (zh) * | 2013-06-21 | 2013-09-25 | 上海交通大学 | 一种高层钢框架结构整体抗火性能的检验分析方法 |
CN104899388A (zh) * | 2015-06-17 | 2015-09-09 | 卢伟 | 一种空间钢结构环境荷载作用下的结构安全评估方法 |
CN105930571A (zh) * | 2016-04-15 | 2016-09-07 | 东南大学 | 基于单位温度响应监测值的大跨钢桥有限元模型修正方法 |
CN105956216A (zh) * | 2016-04-15 | 2016-09-21 | 东南大学 | 大跨钢桥基于均匀温度响应监测值的有限元模型修正方法 |
Non-Patent Citations (1)
Title |
---|
"基于实测数据的结构响应获取与分析方法";邱里航;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;20170215;正文第2章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109726497A (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726497B (zh) | 一种空间钢结构温度场的获取方法 | |
CN109992900B (zh) | 一种大体积混凝土多场实时在线协同智能仿真方法和系统 | |
CN105956216B (zh) | 大跨钢桥基于均匀温度响应监测值的有限元模型修正方法 | |
CN104881582B (zh) | 空气质量的预测方法和装置 | |
CN103106305B (zh) | 一种基于实测模态的空间网格结构模型分步修正方法 | |
CN101446994A (zh) | 数控机床的热误差最小二乘支持向量机建模方法 | |
CN105956218B (zh) | 基于非均匀温度响应监测值的钢桥有限元模型修正方法 | |
Monien et al. | Comparison of building modelling assumptions and methods for urban scale heat demand forecasting | |
CN105930571A (zh) | 基于单位温度响应监测值的大跨钢桥有限元模型修正方法 | |
CN105183928A (zh) | 铸铝构件中的残余应力和变形的快速分析 | |
CN103823991A (zh) | 一种考虑环境温度的重型机床热误差预测方法 | |
CN102867090A (zh) | 基于tbb的并行遗传算法蒸汽管网模型自动校准系统 | |
CN115455793A (zh) | 基于多尺度模型修正的高层结构复杂构件受力分析方法 | |
CN110162895A (zh) | 一种两阶段的高能效船型优化设计方法 | |
CN115081677B (zh) | 一种风速预测方法、装置、电子设备及可读存储介质 | |
CN201716727U (zh) | 基于遥感与gis的地理模拟系统 | |
CN102288431A (zh) | 支座角位移时基于应变监测的索系统的健康监测方法 | |
CN114491730B (zh) | 一种高速铁路路基结构动力安定分析迭代方法及装置 | |
Uchida | High-resolution micro-siting technique for large scale wind farm outside of japan using LES turbulence model | |
KR102480382B1 (ko) | 인공지능 기반 풍하중 산정 시스템 | |
JP2020149209A (ja) | 残差特性推定モデル作成方法および残差特性推定モデル作成システム | |
CN103399974A (zh) | 量化比较随机振动仿真数据与实验数据的方法 | |
CN106338254A (zh) | 基于3d激光扫描的地下工程施工快速监测预测系统及方法 | |
CN113128053A (zh) | 一种非线性系统参数识别方法、装置、设备及介质 | |
Flores Terrazas et al. | A streamline approach to multiaxial fatigue monitoring using virtual sensing |
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 |