CN111861176A - 空间杆系结构重要监测杆件确定方法、装置及设备 - Google Patents

空间杆系结构重要监测杆件确定方法、装置及设备 Download PDF

Info

Publication number
CN111861176A
CN111861176A CN202010662938.5A CN202010662938A CN111861176A CN 111861176 A CN111861176 A CN 111861176A CN 202010662938 A CN202010662938 A CN 202010662938A CN 111861176 A CN111861176 A CN 111861176A
Authority
CN
China
Prior art keywords
index
scheme
rod
importance
important
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.)
Granted
Application number
CN202010662938.5A
Other languages
English (en)
Other versions
CN111861176B (zh
Inventor
卢伟
滕军
黄河
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN202010662938.5A priority Critical patent/CN111861176B/zh
Publication of CN111861176A publication Critical patent/CN111861176A/zh
Application granted granted Critical
Publication of CN111861176B publication Critical patent/CN111861176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)

Abstract

本申请涉及一种空间杆系结构重要监测杆件确定方法、装置及设备，属于土木工程结构健康监测传感器测点位置选择技术领域，该方法通过对获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，多指标进行分析，基于多目标遗传算法综合考虑多角度分析的杆件重要性差异确定重要杆件，基于选取的重要杆件对结构整体的状态进行评估，从而为结构健康监测测点位置的选择提供指导建议。通过本申请提供的技术方案有助于实现结构中重要杆件选取，能综合考虑多角度分析的重要杆件存在差异的问题，从而为结构健康监测测点位置的选择提供指导建议。

Description

空间杆系结构重要监测杆件确定方法、装置及设备
技术领域
本申请属于土木工程结构健康监测传感器测点位置选择技术领域，具体涉及一种空间杆系结构重要监测杆件确定方法。
背景技术
在土木工程中，各个结构在服役期间的安全性能，直接关系着建筑结构的安全。在现有技术中，通常通过结构健康监测，获取结构中重要杆件的响应，基于响应数据的分析来保证结构服役过程的安全。然而，结构杆件繁多、受力复杂，不同角度分析的重要杆件位置存在差异，造成重要杆件选取的困难，影响传感器位置选择，不利于结构安全评估。
在现有技术中，国内外学者对结构中重要杆件的研究，包括在无荷载的条件下以及在有荷载的情况下的研究。对于无荷载条件的研究，基于结构本身固有的特点，利用结构刚度矩阵构造相关评价杆件重要性的系数。有学者用平衡力系施加于破坏的杆件两端以维持破坏杆件位置的协调关系，通过最小势能原理，基于刚度矩阵的变换计算出的平衡力，以所需平衡力的大小评价杆件重要性。由于需要通过刚度矩阵进行具体的运算，目前的研究通过简单平面结构或小型网架进行论证分析，还并未结合结构刚度分析的杆件重要性在实际荷载工况下的物理意义。对于有荷载条件的研究，通过结构响应评价结构整体特性，对构件造成一定程度的损伤，利用杆件损伤前后对结构整体特性影响程度的不同，评价不同杆件的重要性。虽然通过具体工况下的结构响应来说明杆件重要性更为直观，但分析工况及结构响应的选取并没有指导准则。造成不同分析的结果下，杆件的重要性只能针对特定的问题。
因此，如何快速、准确、全面分析确定空间杆系结构重要监测杆件，成为现有技术中亟待解决的技术问题。
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杆系结构重要监测杆件确定方法、装置及设备，以实现较全面的评价结构中杆件的重要性。
为实现以上目的，本申请采用如下技术方案：
一方面，一种空间杆系结构重要监测杆件确定方法，包括：
S1、分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据所述刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵；
S2、采用{0,1}字符编码表示杆件的选取方案，根据选取的杆件数量获取随机杆件位置的初始方案集，所述初始方案集内的每个方案上设置有方案编码；
S3、依据所述方案编码，基于所述杆件重要系数总矩阵，获取选取方案对应的两个目标函数，获取最优的所述方案编码；
S4、运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，由所述初始方案集获取优化后的Pareto优化方案集；
S5、计算所述Pareto优化方案集中各方案目标函数距离所有目标函数平均值的距离，以距离最小值确定最终方案编码；
S6、根据所述最终方案编码“1”字符的位置，确定所选重要杆件的位置编号。
可选的，所述刚度重要性指标包括构形易损性指标，所述稳定性重要性指标包括稳定承载力退化指标，所述耗能重要性指标包括应变能耗散指标，所述强度重要性指标包括平均应力比指标；
所述S1、分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据所述刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵，包括：
根据极差法，对所述构形易损性指标、稳定承载力退化指标、应变能耗散指标及平均应力比指标进行归一化处理，获取目标构形易损性指标、目标稳定承载力退化指标、目标应变能耗散指标及目标平均应力比指标，获取所述杆件重要系数总矩阵。
可选的，所述构形易损性指标的获取包括：
将目标结构的结构整体刚度矩阵K划分为结构的N个节点的子矩阵：
Figure BDA0002579289800000031
式中，Kkk为节点jk相关刚度矩阵；
获取所述节点jk的构形度qk，所述节点jk的构形度qk为：
qk＝det(Kkk)＝|Kkk| (2)
所述目标结构的整体结构的构形度Q(S)为：
Figure BDA0002579289800000032
分离系数γi为：
Figure BDA0002579289800000033
式中，Q(S′)为杆件i失效后结构整体的构形度；
相对破坏需求Dri为：
Figure BDA0002579289800000034
Figure BDA0002579289800000035
式中，Di为杆件i的破坏需求，l为杆件总数；
则所述构形易损性指标
Figure BDA0002579289800000036
为：
Figure BDA0002579289800000041
所述稳定承载力退化指标βi为：
Figure BDA0002579289800000042
式中，Pi为第i根杆件破坏后结构稳定承载力，P0完整结构稳定承载力；
所述应变能耗散指标的获取方法，包括：
获取地震作用下，所述目标结构全过程产生的应变能总和E为：
Figure BDA0002579289800000043
其中，
Figure BDA0002579289800000044
式中，Es(t)为t时刻所有杆件的应变能，
Figure BDA0002579289800000045
为t时刻第j杆件的应变能；
第i根杆件对应的应变能耗散指标ηi为：
Figure BDA0002579289800000046
式中，Ei为第i根杆件失效后，地震作用下结构产生的应变能，E0为无杆件失效，地震作用下结构产生的应变能；
所述平均应力比指标的计算包括：
杆件j应力比θjmax为：
Figure BDA0002579289800000047
式中，σjmax为杆件j的最大正应力，fy材料屈服强度；
第i根杆件对应的平均应力比指标αi为：
Figure BDA0002579289800000048
可选的，所述根据极差法，对所述构形易损性指标、稳定承载力退化指标、应变能耗散指标及平均应力比指标进行归一化处理，获取的目标构形易损性指标、目标稳定承载力退化指标、目标应变能耗散指标及目标平均应力比指标，包括：
Figure BDA0002579289800000051
Figure BDA0002579289800000052
其中，ξ表示四个分析角度的指标符号
Figure BDA0002579289800000053
β、η、α，ξ′表示归一化处理后的指标
Figure BDA0002579289800000054
β′、η′、α′；
式中，ξmax、ξmin为ξi代表的l个指标中的最大值、最小值；
易损性指标
Figure BDA0002579289800000055
应能耗散指标ηi及平均应力比指标αi用式(13)进行处理，得到
Figure BDA0002579289800000056
ηi′、αi′，而稳定承载力指标βi用式(14)处理得到βi′；
所有杆件的所有指标构成杆件重要系数矩阵A为：
Figure BDA0002579289800000057
式中，aij为第i根杆件的第j指标；
可选的，所述稳定承载力退化指标由用结构荷载与位移曲线的第一个拐点对应的荷载值反映。
可选的，所述S3、依据所述方案编码，基于所述杆件重要系数总矩阵，获取选取方案对应的两个目标函数，获取最优的所述方案编码，包括：
在全部杆件中选择出τ根重要杆件，则τ根重要杆件的重要性指标构成对应的杆件重要系数子矩阵As：
Figure BDA0002579289800000058
式中，
Figure BDA0002579289800000059
为第sτ根杆件的第j个指标；
对应的第一目标函数S1为子矩阵As所有元素的和，表示为：
Figure BDA0002579289800000061
第二目标函数S2的计算包括：
As的两个列向量C、D间的互信息熵I(C,D)为：
Figure BDA0002579289800000062
式中，p(ci,dj)为变量C取ci且变量D取dj的概率，p(ci)为变量C取值ci的概率，p(dj)为变量D取值dj的概率；
As两两列向量的互信息熵组成矩阵为：
Figure BDA0002579289800000063
其中，Iij＝0,i＝j,i＝1,2,3,...,n (20)
第二目标函数S2为I矩阵所有元素和为：
Figure BDA0002579289800000064
每一方案编码对应一个重要性系数子矩阵As，对应一组目标函数值(S1，S2)；
通过方案编码的目标函数值的对比，从而找到最优的目标函数值，进而获取最优的方案编码，从而确定选择的重要杆件。
可选的，所述S4，运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，由所述初始方案集获取优化后的Pareto优化方案集，包括：
运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，采用改进交叉算子和变异算子的NSGA-II算法进行迭代计算，从而得到优化后的Pareto优化方案集。
可选的，所述S6中，所述根据所述最终方案编码“1”字符的位置，确定所选重要杆件的位置编号，包括：
根据所述最终方案编码“1”字符的位置，确定所选重要杆件的位置编号，从而确定所选取的重要杆件在结构中的位置。
又一方面，一种空间杆系结构重要监测杆件确定装置，包括：第一获取模块、第二获取模块、第三获取模块、第四获取模块、第一确定模块和第二确定模块；
所述第一获取模块，用于分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据所述刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵；
所述第二获取模块，用于采用{0,1}字符编码表示杆件的选取方案，根据选取的杆件数量获取随机杆件位置的初始方案集，所述初始方案集内的每个方案上设置有方案编码；
所述第三获取模块，用于依据所述方案编码，基于所述杆件重要系数总矩阵，获取选取方案对应的两个目标函数，获取最优的所述方案编码；
所述第四获取模块，用于运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，由所述初始方案集获取优化后的Pareto优化方案集；
所述第一确定模块，用于计算所述Pareto优化方案集中各方案目标函数距离所有目标函数平均值的距离，以距离最小值确定最终方案编码；
所述第二确定模块，用于根据所述最终方案编码“1”字符的位置，确定所选重要杆件的位置编号。
又一方面，一种空间杆系结构重要监测杆件确定设备，包括处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序至少用于执行上述任一项所述的空间杆系结构重要监测杆件确定方法；
所述处理器用于调用并执行所述存储器中的所述计算机程序。
本申请采用以上技术方案，至少具备以下有益效果：
本发明实施例提供的空间杆系结构重要监测杆件确定方法、装置及设备，通过对获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，多指标进行分析，基于多目标遗传算法综合考虑多角度分析的杆件重要性差异确定重要杆件，基于选取的重要杆件对结构整体的状态进行评估，从而为结构健康监测测点位置的选择提供指导建议。
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
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种空间杆系结构重要监测杆件确定方法的流程示意图；
图2为本发明实施例提供的一种方案编码和目标函数值对应关系示意图；
图3为本发明实施例提供的一种NSGA-II算法优化方案编码的流程示意图；
图4为本发明实施例提供的一种空间杆系结构重要监测杆件确定装置结构示意图；
图5为本发明实施例提供的一种空间杆系结构重要监测杆件确定设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
图1为本发明实施例提供的一种空间杆系结构重要监测杆件确定方法的流程示意图，图2为本发明实施例提供的一种方案编码和目标函数值对应关系示意图，图3为本发明实施例提供的一种NSGA-II算法优化方案编码的流程示意图。
参阅图1，本实施例提供的方法包括可以包括以下步骤：
步骤S1、分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵。
步骤S2、采用{0,1}字符编码表示杆件的选取方案，根据选取的杆件数量获取随机杆件位置的初始方案集，初始方案集内的每个方案上设置有方案编码。
步骤S3、依据方案编码，基于杆件重要系数总矩阵，获取选取方案对应的两个目标函数，获取最优的方案编码。
步骤S4、运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，由初始方案集获取优化后的Pareto优化方案集。
步骤S5、计算Pareto优化方案集中各方案目标函数距离所有目标函数平均值的距离，以距离最小值确定最终方案编码。
步骤S6、根据最终方案编码“1”字符的位置，确定所选重要杆件的位置编号。
在本发明实施例中，基于多目标优化的考虑多角度分析杆件重要性差异确定重要杆件位置，其通过多角度(如，刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标)分析杆件的不同重要性，利用杆件重要性指标和互信息熵确定两个目标函数。参阅图3，基于NSGA-II算法的优化模型，采用{0,1}编码表示杆件选择方案，将确定的目标函数作为算法中的优化目标，通过算法对杆件方案编码优化，得到优化后的方案编码，进而确定重要杆件的位置，有助于较全面的分析杆件的重要性，实现结构中重要杆件选取，从而为结构健康监测测点位置的选择提供指导建议。
参阅图3，获取初始随机方案编码集，判断是否生成第一子代编码集，若是，否，则对比目标函数值，进行排序，选择、交叉和变异；若是，则根据遗传代数，将父、子代方案集合并。判断是否生成新父代编码集，若否，则对比目标函数值，进行排序，选择合适的个体方案组成新的父代方案集；若是，则选择、交叉、变异。判断是否达到最大迭代次数，若否，则返回父、子代方案集成合并；若是，则优化方案集。
可选的，刚度重要性指标包括构形易损性指标，稳定性重要性指标包括稳定承载力退化指标，耗能重要性指标包括应变能耗散指标，强度重要性指标包括平均应力比指标。本实施例中，刚度重要性指标以构形易损性指标为例，稳定性重要性指标以稳定承载力退化指标为例，耗能重要性指标以应变能耗散指标为例，强度重要性指标以平均应力比指标为例，进行说明。
在一个具体的实施例中，S1、分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵，包括：根据极差法，对构形易损性指标、稳定承载力退化指标、应变能耗散指标及平均应力比指标进行归一化处理，获取目标构形易损性指标、目标稳定承载力退化指标、目标应变能耗散指标及目标平均应力比指标，获取杆件重要系数总矩阵。
例如，本实施例中，采用构形易损性指标确定杆件基于刚度的重要性；采用稳定承载力退化指标确定杆件基于稳定性的重要性；采用应变能耗散指标确定杆件基于耗能的重要性；采用平均应力比指标确定杆件基于强度的重要性。利用极差法对四项指标(本实施例中的四项指标是指刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标)进行归一化处理，并将处理后的所有指标组成重要性系数总矩阵。
上述实施例方案在具体应用中，四个角度的杆件重要性评价方式不同，通过极差法归一化进而使其可以作对比，以下通过具体的实施例对上述方案进行详细说明，具体如下：
构形易损性指标的计算包括：
在本实施例中选取待监测的结构为目标结构，本实施例中对目标结构不做具体限定。将目标结构的结构整体刚度矩阵K划分为结构的N个节点的子矩阵，可表示为：
Figure BDA0002579289800000111
式中，Kkk为节点jk相关刚度矩阵；
节点jk的构形度qk为：
qk＝det(Kkk)＝|Kkk| (2)
整体结构的构形度Q(S)为：
Figure BDA0002579289800000112
分离系数γi为：
Figure BDA0002579289800000113
式中，Q(S′)为杆件i失效后结构整体的构形度；
相对破坏需求Dri为：
Figure BDA0002579289800000114
Figure BDA0002579289800000115
式中，Di为杆件i的破坏需求，l为杆件总数；
则构形易损性指标
Figure BDA0002579289800000116
为：
Figure BDA0002579289800000117
杆件重要性稳定承载力退化指标的计算包括：
稳定承载力退化指标βi为：
Figure BDA0002579289800000121
式中，Pi为第i根杆件破坏后结构稳定承载力，P0完整结构稳定承载力；结构稳定承载力用结构荷载与位移曲线的第一个拐点对应的荷载值反映。
杆件重要性应变能耗散指标的计算包括：
地震作用下，结构全过程产生的应变能总和E为：
Figure BDA0002579289800000122
其中，
Figure BDA0002579289800000123
式中，Es(t)为t时刻所有杆件的应变能，
Figure BDA0002579289800000124
为t时刻第j杆件的应变能；
第i根杆件对应的应变能耗散指标ηi为：
Figure BDA0002579289800000125
式中，Ei为第i根杆件失效后，地震作用下结构产生的应变能，E0为无杆件失效，地震作用下结构产生的应变能；
杆件重要性平均应力比指标的计算包括：
杆件j应力比θjmax为：
Figure BDA0002579289800000126
式中，σjmax为杆件j的最大正应力，fy材料屈服强度；
第i根杆件对应的平均应力比指标αi为：
Figure BDA0002579289800000127
用ξ表示四个分析角度的指标符号
Figure BDA0002579289800000128
β、η、α，ξ′表示归一化处理后的指标
Figure BDA0002579289800000129
β′、η′、α′，则极差法归一化处理的方式可表示为：
Figure BDA00025792898000001210
Figure BDA0002579289800000131
式中，ξmax、ξmin为ξi代表的l个指标中的最大值、最小值；
易损性指标
Figure BDA0002579289800000132
应能耗散指标ηi及平均应力比指标αi用式(13)进行处理，得到
Figure BDA0002579289800000133
ηi′、αi′，而稳定承载力指标βi用式(14)处理得到βi′。
所有杆件的所有指标构成杆件重要系数矩阵A为：
Figure BDA0002579289800000134
式中，aij为第i根杆件的第j指标；
上述实施例方案，评价杆件的重要性从四个不同的角度分析，构建不同的评价指标；然后通过极差法将各指标进行归一化处理，实现不同角度间杆件重要性的对比。
基于上述实施例方案，对步骤S2实施进一步详述：
采用{0,1}字符编码表示杆件的选取方案，根据选取的杆件数量给出随机杆件位置的初始方案集，包括：
采用字符{0,1}的编码形式，来表达杆件的选择方案。每一根杆件对应一个杆件编号，每一个编号位置对应一个字符“0”或“1”。“0”表示该杆件未被选中，“1”表示杆件被选中。所有杆件的所有字符组合，构成杆件的选择方案；
选取杆件的数量τ为不超过杆件总数l的正整数，原则上根据使用需要随意选择；
给出的初始随机方案集中包含的方案数量，不作限制，数量越多越好，但会影响计算效率。通过程序试算，结合迭代次数，逐步调整初始方案集包含的方案数量，以获得相对合适的数值。
参阅图2，下面对步骤S3的实施做进一步的详述：
从全部杆件中选择出τ根重要杆件，则τ根重要杆件的重要性指标同样可以构成对应的重要系数子矩阵As，表示为：
Figure BDA0002579289800000141
式中，asτj为第sτ根杆件的第j个指标；
对应的第一个目标函数S1为子矩阵As所有元素的和，表示为：
Figure BDA0002579289800000142
第二个目标函数S2的计算包括：
As的两个列向量C、D间的互信息熵为：
Figure BDA0002579289800000143
式中，p(ci,dj)为变量C取ci且变量D取dj的概率，p(ci)为变量C取值ci的概率，p(dj)为变量D取值dj的概率。
As两两列向量的互信息熵组成矩阵为：
Figure BDA0002579289800000144
其中，Iij＝0,i＝j,i＝1,2,3,...,n (20)
第二个目标函数S2为I矩阵所有元素和为：
Figure BDA0002579289800000145
每一方案编码对应一个重要性系数子矩阵As，进而对应一组目标函数值(S1，S2)，其对应关系如图2。通过大量方案编码的目标函数值的对比，从而找到其中最优的目标函数值，进而找到最优的方案编码，从而确定选择的重要杆件。
目标函数S1值越大，所选择的杆件越重要；目标函数S2值越大，所选择的杆件对结构影响大的角度越多；对比方案编码的目标函数值时，目标函数值越大的方案编码更优。
下面对步骤S4做进一步详述：
运用多目标遗传算法进行杆件选取方案编码的目标函数迭代计算，采用改进了交叉算子和变异算子的NSGA-II算法进行迭代计算，从而得到优化后的Pareto优化方案集，优化流程如图3。
在使用NSGA-II算法时，对遗传算子的改进包括：
交叉算子的改进：
(1)找出并记录需要交叉的两个编码中字符不同的位置，假定数量为n1(n1必为偶数)；
(2)选择其中第一个编码，分别记录n1个不同字符中“0”、“1”的位置，其数量必为n1/2；
(3)随机选择小于n1/2的整数n2，作为(2)中“0”、“1”位置交叉遗传的字符数量；
(4)随机选择(2)中“0”字符的n2个位置，与第二个编码对应位置的“1”字符做交换；同样，随机选择(2)中“1”字符的n2个位置，与第二个编码对应位置的“0”字符做交换。
变异算子的改进：
(1)分别找到前一代编码中字符“0”“1”的位置，并记录其数量n3、n4；
(2)随机生成小于min(n3,n4)的数n5，作为(1)中“0”、“1”位置变异遗传的字符数量；
(3)分别从(1)中“0”“1”字符中随机选择n5个位置作变异，“0”变为“1”，“1”变为“0”。
下面对步骤S5做进一步详述：
Pareto方案集中的Y个方案对应的目标函数平均值
Figure BDA0002579289800000151
Figure BDA0002579289800000161
式中，S1j为第j个方案编码的第一个目标函数值，S2j为第j个方案编码的第二个目标函数值。
第j个方案编码对应的(S1j,S2j)与
Figure BDA0002579289800000162
的距离zj为：
Figure BDA0002579289800000163
当zF＝min{z1,z2,...,zY}时，确定方案集中编号第F个解对应的编码方案，作为最终方案。
下面对步骤S6做进一步详述：
根据最终方案编码“1”字符的位置，确定所选重要杆件的位置编号。
为了对本发明提供的技术方案的效果进行说明。下述通过具体应用场景对依据最终编码方案确定重要杆件编号进行说明。
例如，在一个应用场景中，如选取30根重要杆件，而最终确定的方案编码为：
Figure BDA0002579289800000164
其中，编码中“0”字符已被省略。可以确定最终需要的重要杆件编号依次为：4、27、28、33、58、61、83、94、126、138、144、157、166、179、187、189、197、211、222、225、232、236、237、246、265、283、285、287、289、305。
本发明实施例提供的空间杆系结构重要监测杆件确定方法，通过对获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，多指标进行分析，基于多目标遗传算法综合考虑多角度分析的杆件重要性差异确定重要杆件，基于选取的重要杆件对结构整体的状态进行评估，从而为结构健康监测测点位置的选择提供指导建议。
基于一个总的发明构思，本发明实施例还提供一种空间杆系结构重要监测杆件确定装置。
图4为本发明实施例提供的一种空间杆系结构重要监测杆件确定装置结构示意图，请参阅图4，本发明实施例提供的装置，可以包括以下结构：第一获取模块41、第二获取模块42、第三获取模块43、第四获取模块44、第一确定模块45和第二确定模块46；
第一获取模块41，用于分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵；
第二获取模块42，用于采用{0,1}字符编码表示杆件的选取方案，根据选取的杆件数量获取随机杆件位置的初始方案集，初始方案集内的每个方案上设置有方案编码；
第三获取模块43，用于依据方案编码，基于杆件重要系数总矩阵，获取选取方案对应的两个目标函数，获取最优的方案编码；
第四获取模块44，用于运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，由初始方案集获取优化后的Pareto优化方案集；
第一确定模块45，用于计算Pareto优化方案集中各方案目标函数距离所有目标函数平均值的距离，以距离最小值确定最终方案编码；
第二确定模块46，用于根据最终方案编码“1”字符的位置，确定所选重要杆件的位置编号。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本发明实施例提供的空间杆系结构重要监测杆件确定装置，通过对获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，多指标进行分析，基于多目标遗传算法综合考虑多角度分析的杆件重要性差异确定重要杆件，基于选取的重要杆件对结构整体的状态进行评估，从而为结构健康监测测点位置的选择提供指导建议。
基于一个总的发明构思，本发明实施例还提供一种空间杆系结构重要监测杆件确定设备。
图5为本发明实施例提供的一种空间杆系结构重要监测杆件确定设备的结构示意图，参阅图5，本发明实施例提供的设备，包括处理器51，以及与处理器51相连接的存储器52；
存储器52用于存储计算机程序，计算机程序至少用于执行上述任一实施例记载的空间杆系结构重要监测杆件确定方法；
处理器51用于调用并执行存储器52中的计算机程序。
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”、“多”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 (10)

1.一种空间杆系结构重要监测杆件确定方法，其特征在于，包括：
S1、分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据所述刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵；
S2、采用{0,1}字符编码表示杆件的选取方案，根据选取的杆件数量获取随机杆件位置的初始方案集，所述初始方案集内的每个方案上设置有方案编码；
S3、依据所述方案编码，基于所述杆件重要系数总矩阵，获取选取方案对应的两个目标函数，获取最优的所述方案编码；
S4、运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，由所述初始方案集获取优化后的Pareto优化方案集；
S5、计算所述Pareto优化方案集中各方案目标函数距离所有目标函数平均值的距离，以距离最小值确定最终方案编码；
S6、根据所述最终方案编码“1”字符的位置，确定所选重要杆件的位置编号。
2.根据权利要求1所述的方法，其特征在于，所述刚度重要性指标包括构形易损性指标，所述稳定性重要性指标包括稳定承载力退化指标，所述耗能重要性指标包括应变能耗散指标，所述强度重要性指标包括平均应力比指标；
所述S1、分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据所述刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵，包括：
根据极差法，对所述构形易损性指标、稳定承载力退化指标、应变能耗散指标及平均应力比指标进行归一化处理，获取目标构形易损性指标、目标稳定承载力退化指标、目标应变能耗散指标及目标平均应力比指标，获取所述杆件重要系数总矩阵。
3.根据权利要求2所述的方法，其特征在于，所述构形易损性指标的获取包括：
将目标结构的结构整体刚度矩阵K划分为结构的N个节点的子矩阵：
Figure FDA0002579289790000021
式中，Kkk为节点jk相关刚度矩阵；
获取所述节点jk的构形度qk，所述节点jk的构形度qk为：
qk＝det(Kkk)＝|Kkk| (2)
所述目标结构的整体结构的构形度Q(S)为：
Figure FDA0002579289790000022
分离系数γi为：
Figure FDA0002579289790000023
式中，Q(S′)为杆件i失效后结构整体的构形度；
相对破坏需求Dri为：
Figure FDA0002579289790000024
Figure FDA0002579289790000025
式中，Di为杆件i的破坏需求，l为杆件总数；
则所述构形易损性指标
Figure FDA0002579289790000026
为：
Figure FDA0002579289790000027
所述稳定承载力退化指标βi为：
Figure FDA0002579289790000028
式中，Pi为第i根杆件破坏后结构稳定承载力，P0完整结构稳定承载力；
所述应变能耗散指标的获取方法，包括：
获取地震作用下，所述目标结构全过程产生的应变能总和E为：
Figure FDA0002579289790000031
其中，
Figure FDA0002579289790000032
式中，Es(t)为t时刻所有杆件的应变能，
Figure FDA0002579289790000033
为t时刻第j杆件的应变能；
第i根杆件对应的应变能耗散指标ηi为：
Figure FDA0002579289790000034
式中，Ei为第i根杆件失效后，地震作用下结构产生的应变能，E0为无杆件失效，地震作用下结构产生的应变能；
所述平均应力比指标的计算包括：
杆件j应力比θjmax为：
Figure FDA0002579289790000035
式中，σjmax为杆件j的最大正应力，fy材料屈服强度；
第i根杆件对应的平均应力比指标αi为：
Figure FDA0002579289790000036
4.根据权利要求3所述的方法，其特征在于，所述根据极差法，对所述构形易损性指标、稳定承载力退化指标、应变能耗散指标及平均应力比指标进行归一化处理，获取的目标构形易损性指标、目标稳定承载力退化指标、目标应变能耗散指标及目标平均应力比指标，包括：
Figure FDA0002579289790000037
Figure FDA0002579289790000038
其中，ξ表示四个分析角度的指标符号
Figure FDA0002579289790000039
β、η、α，ξ′表示归一化处理后的指标
Figure FDA0002579289790000041
β′、η′、α′；
式中，ξmax、ξmin为ξi代表的l个指标中的最大值、最小值；
易损性指标
Figure FDA0002579289790000042
应能耗散指标ηi及平均应力比指标αi用式(13)进行处理，得到
Figure FDA0002579289790000043
ηi′、αi′，而稳定承载力指标βi用式(14)处理得到βi′；
所有杆件的所有指标构成杆件重要系数矩阵A为：
Figure FDA0002579289790000044
式中，aij为第i根杆件的第j指标。
5.根据权利要求2所述的方法，其特征在于，所述稳定承载力退化指标由用结构荷载与位移曲线的第一个拐点对应的荷载值反映。
6.根据权利要求1所述的方法，其特征在于，所述S3、依据所述方案编码，基于所述杆件重要系数总矩阵，获取选取方案对应的两个目标函数，获取最优的所述方案编码，包括：
在全部杆件中选择出τ根重要杆件，则τ根重要杆件的重要性指标构成对应的杆件重要系数子矩阵As：
Figure FDA0002579289790000045
式中，
Figure FDA0002579289790000046
为第sτ根杆件的第j个指标；
对应的第一目标函数S1为子矩阵As所有元素的和，表示为：
Figure FDA0002579289790000047
第二目标函数S2的计算包括：
As的两个列向量C、D间的互信息熵I(C,D)为：
Figure FDA0002579289790000051
式中，p(ci,dj)为变量C取ci且变量D取dj的概率，p(ci)为变量C取值ci的概率，p(dj)为变量D取值dj的概率；
As两两列向量的互信息熵组成矩阵为：
Figure FDA0002579289790000052
其中，Iij＝0,i＝j,i＝1,2,3,...,n (20)
第二目标函数S2为I矩阵所有元素和为：
Figure FDA0002579289790000053
每一方案编码对应一个重要性系数子矩阵As，对应一组目标函数值(S1，S2)；
通过方案编码的目标函数值的对比，从而找到最优的目标函数值，进而获取最优的方案编码，从而确定选择的重要杆件。
7.根据权利要求1所述的方法，其特征在于，所述S4，运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，由所述初始方案集获取优化后的Pareto优化方案集，包括：
运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，采用改进交叉算子和变异算子的NSGA-II算法进行迭代计算，从而得到优化后的Pareto优化方案集。
8.根据权利要求1所述的方法，其特征在于，所述S6中，所述根据所述最终方案编码“1”字符的位置，确定所选重要杆件的位置编号，包括：
根据所述最终方案编码“1”字符的位置，确定所选重要杆件的位置编号，从而确定所选取的重要杆件在结构中的位置。
9.一种空间杆系结构重要监测杆件确定装置，其特征在于，包括：第一获取模块、第二获取模块、第三获取模块、第四获取模块、第一确定模块和第二确定模块；
所述第一获取模块，用于分别获取目标结构中各杆件的刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，并根据所述刚度重要性指标、稳定性重要性指标、耗能重要性指标及强度重要性指标，获取杆件重要系数总矩阵；
所述第二获取模块，用于采用{0,1}字符编码表示杆件的选取方案，根据选取的杆件数量获取随机杆件位置的初始方案集，所述初始方案集内的每个方案上设置有方案编码；
所述第三获取模块，用于依据所述方案编码，基于所述杆件重要系数总矩阵，获取选取方案对应的两个目标函数，获取最优的所述方案编码；
所述第四获取模块，用于运用多目标遗传算法进行选取杆件的最优的方案编码的目标函数迭代计算，由所述初始方案集获取优化后的Pareto优化方案集；
所述第一确定模块，用于计算所述Pareto优化方案集中各方案目标函数距离所有目标函数平均值的距离，以距离最小值确定最终方案编码；
所述第二确定模块，用于根据所述最终方案编码“1”字符的位置，确定所选重要杆件的位置编号。
10.一种空间杆系结构重要监测杆件确定设备，其特征在于，包括处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序至少用于执行权利要求1～8任一项所述的空间杆系结构重要监测杆件确定方法；
所述处理器用于调用并执行所述存储器中的所述计算机程序。
CN202010662938.5A 2020-07-10 2020-07-10 空间杆系结构重要监测杆件确定方法、装置及设备 Active CN111861176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010662938.5A CN111861176B (zh) 2020-07-10 2020-07-10 空间杆系结构重要监测杆件确定方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010662938.5A CN111861176B (zh) 2020-07-10 2020-07-10 空间杆系结构重要监测杆件确定方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111861176A true CN111861176A (zh) 2020-10-30
CN111861176B CN111861176B (zh) 2024-03-22

Family

ID=73153321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010662938.5A Active CN111861176B (zh) 2020-07-10 2020-07-10 空间杆系结构重要监测杆件确定方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111861176B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7996344B1 (en) * 2010-03-08 2011-08-09 Livermore Software Technology Corporation Multi-objective evolutionary algorithm based engineering design optimization
CN107958124A (zh) * 2017-12-06 2018-04-24 哈尔滨工业大学深圳研究生院 一种基于应力分布模式优化的混合尺度耦合方法
US9964468B1 (en) * 2014-12-08 2018-05-08 Bentley Systems, Incorporated Optimizing sensor placement for structural health monitoring
CN109738220A (zh) * 2019-01-07 2019-05-10 哈尔滨工业大学（深圳） 一种基于多荷载工况结构响应关联的传感器优化布置方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7996344B1 (en) * 2010-03-08 2011-08-09 Livermore Software Technology Corporation Multi-objective evolutionary algorithm based engineering design optimization
CN102194025A (zh) * 2010-03-08 2011-09-21 利弗莫尔软件技术公司 基于多目标进化算法的工程设计优化中的改进方法和系统
US9964468B1 (en) * 2014-12-08 2018-05-08 Bentley Systems, Incorporated Optimizing sensor placement for structural health monitoring
CN107958124A (zh) * 2017-12-06 2018-04-24 哈尔滨工业大学深圳研究生院 一种基于应力分布模式优化的混合尺度耦合方法
CN109738220A (zh) * 2019-01-07 2019-05-10 哈尔滨工业大学（深圳） 一种基于多荷载工况结构响应关联的传感器优化布置方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
姜绍飞;杨博;党永勤;: "易损性分析在结构抗震及健康监测中的应用", 建筑科学与工程学报, no. 02, 15 June 2008 (2008-06-15) *
崔洋;张雷明;: "基于能量流动网络的杆系结构易损性", 工程抗震与加固改造, no. 06, 5 December 2012 (2012-12-05) *
彭细荣;路新瀛;: "结构健康监测中传感器布点优化的研究进展", 工业建筑, no. 1, 20 June 2007 (2007-06-20) *
栗云松;聂琪;罗永峰;刘晓;郭小农;: "基于应变能的网壳结构构件重要性分类方法", 华南理工大学学报(自然科学版), no. 05, 15 May 2020 (2020-05-15) *

Also Published As

Publication number Publication date
CN111861176B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
Mangalathu et al. Machine learning–based failure mode recognition of circular reinforced concrete bridge columns: Comparative study
Lu et al. Evaluation of English interpretation teaching quality based on GA optimized RBF neural network
Zhong et al. Comparison of performance between different selection strategies on simple genetic algorithms
CN104978612A (zh) 基于ahp-rbf的分布式大数据系统风险预测方法
CN110147599B (zh) 一种基于遗传算法的索杆张力结构质量优化方法和系统
CN114169374B (zh) 一种斜拉桥斜拉索损伤识别方法及电子设备
CN114792020B (zh) 一种基于机器学习的建筑抗震韧性快速评估方法及系统
Gandomi et al. Expression programming techniques for formulation of structural engineering systems
CN109815541B (zh) 轨道交通车辆产品零部件模块划分方法、装置与电子设备
Tsai Improved differential evolution algorithm for nonlinear programming and engineering design problems
CN108830407B (zh) 多工况条件下结构健康监测中的传感器分布优化方法
CN113409166A (zh) 基于XGBoost模型的用户异常用电行为检测方法及装置
Lu et al. Guided genetic algorithm for dome optimization against instability with discrete variables
Hoang et al. Splice sites detection using chaos game representation and neural network
CN115908909A (zh) 基于贝叶斯卷积神经网络的进化神经架构搜索方法及系统
Kuok et al. Multi‐resolution broad learning for model updating using incomplete modal data
CN117807888B (zh) 一种考虑腐蚀影响的杆塔覆冰荷载计算方法、系统及设备
CN111861176A (zh) 空间杆系结构重要监测杆件确定方法、装置及设备
CN114648217A (zh) 一种基于增量式极限学习机的煤矿安全风险预警方法
Zhao Steel columns under fire—a neural network based strength model
Yang A novel non-probabilistic sensor placement method for structural health monitoring using an iterative multiobjective optimization algorithm
CN111831955A (zh) 一种锂离子电池剩余寿命预测方法及系统
AU2021100592A4 (en) Quantum seeded hybrid evolutionary computational process for constrained optimization
KR102554626B1 (ko) 점진적 학습을 위한 기계 학습 방법 및 이를 수행하기 위한 컴퓨팅 장치
CN115269572A (zh) 基于海量科研资料的课题立项决策推荐方法及装置

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