CN114547760B - 基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法 - Google Patents
基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法 Download PDFInfo
- Publication number
- CN114547760B CN114547760B CN202210453499.6A CN202210453499A CN114547760B CN 114547760 B CN114547760 B CN 114547760B CN 202210453499 A CN202210453499 A CN 202210453499A CN 114547760 B CN114547760 B CN 114547760B
- Authority
- CN
- China
- Prior art keywords
- vibration
- sequence
- target
- historical
- floor
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Architecture (AREA)
- Life Sciences & Earth Sciences (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Civil Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Buildings Adapted To Withstand Abnormal External Influences (AREA)
Abstract
本发明涉及基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,属于电子数字数据处理技术领域。方法包括以下步骤:根据外界振动程度,对历史震动时间段内各历史震动时刻进行分类;根据各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列,得到各类别对应的隔震效率序列;根据楼层振动程度序列,得到各类别对应的目标振动程度序列;根据隔震效率序列和目标振动程度序列,得到各类别对应的目标隔震效率序列;根据目标隔震效率序列,得到各类别中各历史震动时刻对应的数据可靠程度;根据目标隔震效率序列、数据可靠程度以及目标预测网络,得到未来时间段高层建筑隔震阻尼器的寿命。本发明能对高层建筑隔震阻尼器的使用寿命进行提前预测。
Description
技术领域
本发明涉及电子数字数据处理技术领域,具体涉及基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法。
背景技术
随着社会的进步,人类对住房舒适性和安全性问题更加重视,因此阻尼器顺应时代走进了公众视野;阻尼器是在大楼震动时提供阻尼的设备,使大楼的震动衰减,从而保障住房安全和住房舒适性;阻尼指的是力的衰减和能量的耗散,即减振消能,例如大风或者其他等作用在楼体上的机械能,通过阻尼系统,最终转化为热能消散;因此建设在火车轨道、高速公路或者易发生大风以及地震区域周围的高层建筑要关注阻尼器的寿命。
现有的高层建筑隔震阻尼器管理方法一般是基于人工进行管理,这种方式可能只有住在高层建筑的居民向管理人员反映火车或者大型车辆经过建筑时会睡眠质量会受到影响时,管理人员才能意识到高层建筑隔震阻尼器的使用寿命可能出现了异常,而不能对高层建筑隔震阻尼器的使用寿命进行提前预测,也不能及时为管理人员争取较多的更换或者检查阻尼器的时间。
发明内容
本发明提供基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,用于解决现有不能对高层建筑隔震阻尼器的使用寿命进行提前预测的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法包括以下步骤:
获取高层建筑历史震动时间段内各历史震动时刻对应的各楼层的加速度序列和各历史震动时刻对应的外界加速度序列;
根据所述外界加速度序列,得到各历史震动时刻对应的外界振动程度;
根据所述各楼层的加速度序列,得到各历史震动时刻对应的各楼层的加速度变化程度序列;
根据所述各楼层的加速度序列和所述外界加速度序列,得到各历史震动时刻对应的楼层振动程度序列;
根据所述外界振动程度,对历史震动时间段内各历史震动时刻进行分类;根据各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列,得到各类别对应的隔震效率序列;根据所述楼层振动程度序列,得到各类别对应的目标振动程度序列;
根据所述隔震效率序列和目标振动程度序列,得到各类别对应的目标隔震效率序列;根据所述目标隔震效率序列,得到各类别中各历史震动时刻对应的数据可靠程度;
根据所述目标隔震效率序列、所述数据可靠程度以及目标预测网络,得到未来时间段高层建筑隔震阻尼器的寿命。
有益效果:本发明将各历史震动时刻对应的外界振动程度作为对历史震动时间段内各历史震动时刻进行分类的依据;将各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列作为得到各类别对应的隔震效率序列的依据;将各历史震动时刻对应的楼层振动程度序列作为得到各类别对应的目标振动程度序列的依据;将各类别对应的隔震效率序列和目标振动程度序列作为得到各类别对应的目标隔震效率序列;将各类别对应的目标隔震效率序列作为得到各类别中各历史震动时刻对应的数据可靠程度的依据;将各类别对应的目标隔震效率序列、各类别中各历史震动时刻对应的数据可靠程度以及目标预测网络作为得到未来时间段高层建筑隔震阻尼器的寿命的依据。本发明能对高层建筑隔震阻尼器的使用寿命进行提前预测,也能及时为管理人员争取较多的更换或者检查阻尼器的时间。
优选的,根据所述外界加速度序列,得到各历史震动时刻对应的外界振动程度的方法,包括:
计算所述外界加速度序列对应的平均外界加速度;计算所述外界加速度序列对应的标准差;
根据所述外界加速度序列对应的平均外界加速度和标准差,得到各历史震动时刻对应的外界振动程度。
优选的,根据所述各楼层的加速度序列和所述外界加速度序列,得到各历史震动时刻对应的楼层振动程度序列的方法,包括:
计算所述各楼层的加速度序列的平均加速度;
获得所述各楼层的加速度序列中的最小加速度和各楼层的加速度序列中的最大加速度;
根据所述各楼层的加速度序列的平均加速度、各楼层的加速度序列中的最小加速度、各楼层的加速度序列中的最大加速度以及外界加速度序列,得到各历史震动时刻对应的各楼层的楼层振动程度;
根据所述各楼层的楼层振动程度,构建得到各类别中各历史震动时刻对应的楼层振动程度序列。
优选的,根据如下公式计算各历史震动时刻对应的各楼层的楼层振动程度:
其中,为历史震动时间段内第个历史震动时刻对应的第个楼层的楼层振动程度,为历史震动时间段内第个历史震动时刻对应的第个楼层的加速度序列的平均加速度,为历史震动时间段内第个历史震动时刻对应的外界加速度序列中的第个参数,为外界加速度序列中参数的数量,为历史震动时间段内第个历史震动时刻对应的第个楼层的加速度序列中的最大加速度,为历史震动时间段内第个历史震动时刻对应的第个楼层的加速度序列中的最小加速度。
优选的,根据所述楼层振动程度序列,得到各类别对应的目标振动程度序列的方法,包括:
按照从小到大的顺序对所述楼层振动程度序列进行排序,将所述排序后的所述楼层振动程度序列记为各类别中各历史震动时刻对应的目标楼层振动程度序列;
获得所述目标楼层振动程度序列中参数的数量、所述目标楼层振动程度序列中的最大值以及所述目标楼层振动程度序列中各参数对应的子序列;所述各参数对应的子序列包括各参数对应的目标楼层振动程度序列中的各参数本身以及各参数前面的参数;
计算所述各参数对应的子序列对应的平均值,将所述子序列对应的平均值记为各类别中各历史震动时刻对应的目标楼层振动程度序列中各参数对应的目标平均值;
根据所述目标楼层振动程度序列中的最大值以及所述各参数对应的目标平均值,得到各类别中各历史震动时刻对应的目标振动程度;
根据所述目标振动程度,构建得到各类别对应的目标振动程度序列。
优选的,根据如下公式计算各类别中各历史震动时刻对应的目标振动程度:
其中,为第个类别中第个历史震动时刻对应的目标振动程度,为第个类别中第个历史震动时刻对应的目标楼层振动程度序列中的最大值,为目标楼层振动程度序列中参数的数量,为第个类别中第个历史震动时刻对应的目标楼层振动程度序列中第个参数对应的目标平均值,为第个类别中第个历史震动时刻对应的目标楼层振动程度序列中第个参数对应的目标平均值。
优选的,根据所述隔震效率序列和目标振动程度序列,得到各类别对应的目标隔震效率序列;根据所述目标隔震效率序列,得到各类别中各历史震动时刻对应的数据可靠程度的方法,包括:
根据所述目标振动程度序列中的各目标振动程度与所述隔震效率指标序列中的各隔震效率,得到各类别中各历史震动时刻对应的目标隔震效率;
根据所述目标隔震效率,构建得到各类别对应的目标隔震效率序列;
计算所述目标隔震效率序列中各参数与对应目标隔震效率序列中其余各参数的距离之和;
根据所述距离之和,得到各类别中各历史震动时刻对应的数据可靠程度。
优选的,根据所述目标隔震效率序列、所述数据可靠程度以及目标预测网络,得到未来时间段高层建筑隔震阻尼器的寿命的方法,包括:
将所述各类别对应的目标隔震效率序列输入到目标预测网络中,得到各类别对应的隔震阻尼器的预测隔震效率序列;
获得所述各类别中历史震动时刻的数量以及历史震动时间段内历史震动时刻的数量;
将所述各类别中历史震动时刻的数量与历史震动时间段内历史震动时刻的数量的比值记为各类别对应的权重;
根据所述各类别对应的权重和所述各类别对应的隔震阻尼器的预测隔震效率序列中各参数的和,得到各类别对应的隔震阻尼器的目标预测隔震效率;
将所述各类别对应的隔震阻尼器的目标预测隔震效率的和记为未来时间段高层建筑隔震阻尼器的最终预测隔震效率;
根据所述最终预测隔震效率,得到未来时间段高层建筑隔震阻尼器的寿命。附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明实施例,本领域普通技术人员所获得的所有其它实施例,都属于本发明实施例保护的范围。
除非另有定义,本文所使用的所有的技术和科学技术语与属于本发明的技术人员通常理解的含义相同。
本实施例提供了基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,详细说明如下:
如图1所示,该基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,包括以下步骤:
步骤S001,获取高层建筑历史震动时间段内各历史震动时刻对应的各楼层的加速度序列和各历史震动时刻对应的外界加速度序列。
本实施例中,由于在现实生活中对于高层楼体来说,一些人为因素会引起楼体晃动,比如在建设地铁时忽略减震措施,从而导致建于地铁上的高层楼体不可避免地受到地铁震动的影响,或者建设在火车轨道以及公路旁边的高层楼体,在大型货车或者火车经过时房屋也不可避免地受到大型货车或者火车震动的影响;然而当房屋的震动为有害震动或者危险震动时,则会对居民的人身安全、睡眠、饮食等产生影响,因此要在高层楼体上安装阻尼器,使高层楼体的震动衰减,从而保障住房安全和住房舒适性,但是管理人员或者工作人员要检查阻尼器的使用寿命,避免由于阻尼器的使用寿命,而不能使高层楼体的震动衰减,而对居民的住房安全和住房舒适性造成影响。
本实施例中,由于使高层楼体产生震动的外界因素有很多,而本实施例将基于火车经过时使房屋产生的振动特性进行分析,所述高层楼体建设在火车轨道的周围,进而再通过分析高层楼体的振动特性来分析阻尼器的寿命;本实施例将高层楼体记为高层建筑。
本实施例中,获取在历史时间段内火车轨道上有火车经过的各时间段,由于高层建筑产生的震动是由于火车轨道上有火车经过时产生的,因此将在历史时间段内火车轨道上有火车经过的各时间段的和记为高层建筑历史震动时间段;所述历史时间段需要根据实际情况确定,例如历史时间段可以是一个月或者也可以是20天。
本实施例中,由于振动频率低意味着震动体在单位时间内振动的次数少,过程时间长,加速度的数值相对较小,振动频率高,意味着震动体在单位时间内振动的次数多,过程短,加速度的数值相对较大,因此震动体的振动强度与振动加速度成正比,即振动加速度可以反映震动体的振动强度;由于本实施例中的震动体包括高层建筑和火车,因此需要分析高层建筑历史震动时间段内高层建筑各楼层的振动加速度和火车轨道上的振动加速度来反映各楼层的振动强度和火车的振动强度。
本实施例中,获取火车轨道与高层建筑最底层的距离小于预设距离阈值的火车轨道范围,将所述火车轨道与高层建筑最底层的距离小于预设距离阈值的火车轨道范围记为目标火车轨道,在目标轨道上的各固定位置布置加速度传感器,并在每楼层的地板上的各目标位置布置加速度传感器,所述不同楼层布置的各加速度传感器的位置均对应;本实施例中,需要根据实际情况设置预设距离阈值;本实施例将相邻固定位置之间的间隔设置为0.5m,相邻目标位置之间的间隔设置为1m;作为其它的实施方式,也可以根据实际情况为相邻固定位置之间的间隔和相邻目标位置之间的间隔设置其它的数值,例如相邻固定位置之间的间隔和相邻目标位置之间的间隔都为1m。
本实施例中,通过加速度传感器可以获取高层建筑历史震动时间段内各历史震动时刻对应的各楼层上各目标位置的加速度值,以及各历史震动时刻目标火车轨道上各固定位置的加速度值;根据高层建筑历史震动时间段内各历史震动时刻对应的各楼层上目标位置的加速度值,构建得到历史震动时间段内各历史震动时刻对应的各楼层的加速度序列;根据各历史震动时刻目标火车轨道上各固定位置的加速度值,构建得到各历史震动时刻目标火车轨道对应的加速度序列;将所述目标火车轨道对应的加速度序列记为各历史震动时刻对应的外界加速度序列;本实施例由于不同楼层布置的各加速度传感器的位置一一对应,因此得到的各历史震动时刻对应的各楼层的加速度序列中各参数也是对应关系,例如某一楼层的加速度序列中第一个参数为该楼层第一个固定位置的数据,而另一楼层的加速度序列中第一个参数也是为该楼层第一个固定位置的数据。
步骤S002,根据所述外界加速度序列,得到各历史震动时刻对应的外界振动程度。
本实施例中,通过对各历史震动时刻对应的外界加速度序列进行分析,得到各历史震动时刻对应的外界振动程度;将得到的各历史震动时刻对应的外界振动程度作为后续对历史震动时间段内的历史震动时刻进行分类的依据。
本实施例中,计算各历史震动时刻对应的外界加速度序列对应的平均外界加速度以及外界加速度序列对应的标准差;根据各历史震动时刻对应的外界加速度序列对应的平均外界加速度以及外界加速度序列对应的标准差,得到各历史震动时刻对应的外界振动程度;根据如下公式计算各历史震动时刻对应的外界振动程度:
其中,为历史震动时间段内第个历史震动时刻对应的外界振动程度,为历史震动时间段内第个历史震动时刻对应的外界加速度序列对应的平均外界加速度,为历史震动时间段内第个历史震动时刻对应的外界加速度序列对应的标准差;越大,越小,表明的值越大;为的修正项,的值越大,越小,表明对应的外界加速度序列中数据的离散程度越小,因此会导致反映出来的外界加速度序列对应数据大小的可信程度越大,反之,则可信程度越小。
步骤S003,根据所述各楼层的加速度序列,得到各历史震动时刻对应的各楼层的加速度变化程度序列。
本实施例中,通过对各历史震动时刻对应的各楼层的加速度序列进行分析,得到各历史震动时刻对应的各楼层的加速度变化程度序列;将加速度变化程度序列作为得到各类别对应的隔震效率序列的依据。
本实施例中,根据各历史震动时刻对应的相邻楼层的加速度序列,得到各历史震动时刻对应的各楼层的加速度变化程度序列;根据如下公式计算各历史震动时刻对应的各楼层的加速度变化程度序列:
其中,为第个历史震动时刻对应的第个楼层的加速度变化程度序列,为第个历史震动时刻对应的第个楼层的加速度序列,为第个历史震动时刻对应的第个楼层的加速度序列,为第个历史震动时刻对应的第个楼层的加速度序列中的第1个参数,为第个历史震动时刻对应的第个楼层的加速度序列中的第1个参数,为第个历史震动时刻对应的第个楼层的加速度序列中的第n个参数,为第个历史震动时刻对应的第个楼层的加速度序列中的第n个参数,为第个历史震动时刻对应的第个楼层的加速度变化程度序列中的第1个参数,为第个历史震动时刻对应的第个楼层的加速度变化程度序列中的第n个参数;本实施例高层建筑最底层对应的加速度变化程度序列中的各参数都为0。
步骤S004,根据所述各楼层的加速度序列和所述外界加速度序列,得到各历史震动时刻对应的楼层振动程度序列。
本实施例中,通过对各历史震动时刻对应的各楼层的加速度序列和各历史震动时刻对应的外界加速度序列进行分析,得到各历史震动时刻对应的楼层振动程度序列;将楼层振动程度序列作为后续计算各类别对应的目标振动程度序列的依据。
本实施例中,计算各历史震动时刻对应的各楼层的加速度序列的平均加速度,并获得各历史震动时刻对应的各楼层的加速度序列中的最小加速度和最大加速度;根据各历史震动时刻对应的各楼层的加速度序列的平均加速度、各历史震动时刻对应的各楼层的加速度序列中的最小加速度和最大加速度以及各历史震动时刻对应的外界加速度序列,得到各历史震动时刻对应的各楼层的楼层振动程度;根据如下公式计算各历史震动时刻对应的各楼层的楼层振动程度:
其中,为历史震动时间段内第个历史震动时刻对应的第个楼层的楼层振动程度,为历史震动时间段内第个历史震动时刻对应的第个楼层的加速度序列的平均加速度,为历史震动时间段内第个历史震动时刻对应的外界加速度序列中的第个参数,为外界加速度序列中参数的数量,为历史震动时间段内第个历史震动时刻对应的第个楼层的加速度序列中的最大加速度,为历史震动时间段内第个历史震动时刻对应的第个楼层的加速度序列中的最小加速度;为的调整系数,的值越大,表明第个历史震动时刻对应的第个楼层的加速度序列中各参数的稳定性越强,因此反映出来的楼层的振动程度的可靠程度越大,反之,则可靠程度越小。
本实施例中,根据各历史震动时刻对应的各楼层的楼层振动程度,构建得到各类别中各历史震动时刻对应的楼层振动程度序列。
步骤S005,根据所述外界振动程度,对历史震动时间段内各历史震动时刻进行分类;根据各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列,得到各类别对应的隔震效率序列;根据所述楼层振动程度序列,得到各类别对应的目标振动程度序列。
本实施例中,根据各历史震动时刻对应的外界振动程度,对历史震动时间段内各历史震动时刻进行分类;之后通过对各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列进行分析,得到各类别对应的隔震效率序列;之后通过对各类别中各历史震动时刻对应的楼层振动程度序列进行分析,得到各类别对应的目标振动程度序列;将得到的隔震效率序列和目标振动程度序列作为后续计算各类别对应的目标隔震效率序列的依据。
本实施例中,根据各历史震动时刻对应的外界振动程度,对历史震动时间段内各历史震动时刻进行分类,所述聚类算法为DBSCAN,寻找半径r,可以得到三个聚类类别,第一类别代表高振动源,第二类别代表中振动源,第三类别代表低振动源;作为其它的实施方式,也可以根据实际情况或者火车经过高层建筑时的负载变化设置聚类半径。
(a)根据各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列,得到各类别对应的隔震效率序列的具体过程为:
本实施例中,获得高层建筑对应的楼层数量和各类别中各历史震动时刻对应的各楼层的加速度变化程度序列;利用DTW算法计算各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列之间的差异程度,根据各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列之间的差异程度以及楼层数量,得到各类别中各历史震动时刻对应的隔震效率;根据如下公式计算各类别中各历史震动时刻对应的隔震效率:
其中,为第个类别中第个历史震动时刻对应的隔震效率,为高层建筑对应的楼层数量,为第个类别中第个历史震动时刻对应的第个楼层对应的加速度变化程度序列与对应的第个楼层对应的加速度变化程度序列之间的差异程度;越大,表明的值越大,的值越大,表明第个类别中第个历史震动时刻对应的隔震效率越好。
本实施例中,根据上述过程得到的各类别中各历史震动时刻对应的隔震效率,构建得到各类别对应的隔震效率序列。
(b)根据各类别中各历史震动时刻对应的楼层振动程度序列,得到各类别对应的目标振动程度序列的具体过程为:
本实施例中,按照从小到大的顺序对各类别中各历史震动时刻对应的楼层振动程度序列进行排序,将排序之后的所述楼层振动程度序列记为各类别中各历史震动时刻对应的目标楼层振动程度序列,获得目标楼层振动程度序列中参数的数量、各目标楼层振动程度序列中的最大值以及各类别中各历史震动时刻对应的目标楼层振动程度序列中各参数对应的子序列;获得所述各参数对应的子序列的具体过程为:例如任意类别中任意一个历史震动时刻对应的目标楼层振动程度序列中第1个参数对应的子序列中只有该目标楼层振动程度序列中第1个参数,该目标楼层振动程度序列中第2个参数对应的子序列中包括该目标楼层振动程度序列中第1个参数和第2个参数,以此类推,该目标楼层振动程度序列中第g0个参数对应的子序列中包括该目标楼层振动程度序列中第g0个参数和第g0个参数前面的所有参数;之后计算各类别中各历史震动时刻对应的目标楼层振动程度序列中各参数对应的子序列对应的平均值,将所述子序列对应的平均值记为各类别中各历史震动时刻对应的目标楼层振动程度序列中各参数对应的目标平均值。
本实施例中,根据各类别中各历史震动时刻对应的目标楼层振动程度序列中的最大值以及各类别中各历史震动时刻对应的目标楼层振动程度序列中各参数对应的目标平均值,得到各类别中各历史震动时刻对应的目标振动程度;根据如下公式计算各类别中各历史震动时刻对应的目标振动程度:
其中,为第个类别中第个历史震动时刻对应的目标振动程度,为第个类别中第个历史震动时刻对应的目标楼层振动程度序列中的最大值,为目标楼层振动程度序列中参数的数量,为第个类别中第个历史震动时刻对应的目标楼层振动程度序列中第个参数对应的目标平均值,为第个类别中第个历史震动时刻对应的目标楼层振动程度序列中第个参数对应的目标平均值。
本实施例中, 越大,表明第个类别中第个历史震动时刻对应的目标震动程度越大,即第个类别中第个历史震动时刻对应的隔震效率不好;的值越大以及的值越大,表明的值越大;越大,表明第个类别中第个历史震动时刻对应的目标楼层振动程度序列的振动程度变化较小,即的可靠性更高。本实施例中,各类别中各历史震动时刻对应的目标振动程度为各类别中的各历史震动时刻对应的振动程度最大的楼层,因此各类别中各历史震动时刻对应的目标振动程度可以反映各类别中各历史震动时刻高层建筑的振动程度。
本实施例中,根据各类别中各历史震动时刻对应的目标振动程度,构建得到各类别对应的目标振动程度序列。
步骤S006,根据所述隔震效率序列和目标振动程度序列,得到各类别对应的目标隔震效率序列;根据所述目标隔震效率序列,得到各类别中各历史震动时刻对应的数据可靠程度。
本实施例中,通过对各类别对应的目标振动程度序列和隔震效率序列进行分析,得到各类别对应的目标隔震效率序列;之后通过对目标隔震效率序列进行分析,得到各类别对应的数据可靠程度;将得到的各类别对应的数据可靠程度作为后续得到未来时间段高层建筑隔震阻尼器的寿命的依据。
(a)根据各类别对应的目标振动程度序列和隔震效率序列,得到各类别对应的目标隔震效率序列的具体过程为:
本实施例中,根据各类别中各历史震动时刻对应的目标振动程度与各类别中各历史震动时刻对应的隔震效率,得到各类别中各历史震动时刻对应的目标隔震效率;根据如下公式计算各类别中各历史震动时刻对应的目标隔震效率:
本实施例中,根据各类别中各历史震动时刻对应的目标隔震效率,构建得到各类别对应的目标隔震效率序列。
(b)根据各类别对应的目标隔震效率序列,得到各类别中各历史震动时刻对应的数据可靠程度的具体过程为:
本实施例中,计算各类别对应的目标隔震效率序列中各参数与对应目标隔震效率序列中其余各参数的距离之和,将所述距离之和记为各类别中各历史震动时刻对应的目标距离;根据各类别中各历史震动时刻对应的目标距离,得到各类别中各历史震动时刻对应的数据可靠程度;根据如下公式计算各类别中各历史震动时刻对应的数据可靠程度:
步骤S007,根据所述目标隔震效率序列、所述数据可靠程度以及目标预测网络,得到未来时间段高层建筑隔震阻尼器的寿命。
本实施例中,通过各类别对应的目标隔震效率序列、各类别中各历史震动时刻对应的数据可靠程度以及目标预测网络,得到未来时间段高层建筑隔震阻尼器的寿命的具体过程为:
将各类别对应的目标隔震效率序列输入到目标预测网络中,得到各类别对应的隔震阻尼器的预测隔震效率序列;本实施例将各类别对应的目标隔震效率序列中一个历史震动时刻对应的目标隔震效率作为一批训练样本对目标预测网络进行训练,因此通过对目标预测网络多批次的训练可以提高目标预测网络的准确度,并且所述目标预测网络结构为TCN。
本实施例中,目标预测网络的训练过程为:将各类别对应的目标隔震效率序列作为网络训练时的输入训练样本,网络的标签为隔震阻尼器在下一时刻对应的隔震效率,将训练样本和标签数据输入到网络中进行训练,并使用均方差损失函数对网络进行监督训练。本实施例利用各历史震动时刻对应的数据可靠程度与各历史震动时刻对应的损失进行相乘,将相乘之后的各历史震动时刻对应的损失相加之后的损失作为目标预测网络训练好的损失函数。
本实施例中,获得上述聚类之后各类别中历史震动时刻的数量以及历史震动时间段内的历史震动时刻的数量,将各类别中历史震动时刻的数量与历史震动时间段内的历史震动时刻的数量的比值记为各类别对应的权重;由于各类别对应的权重反映的是各类别中参数的占比,当类别对应的权重越大表明该类别得到的预测结果对判断未来时间段高层建筑隔震阻尼器寿命的影响较大;因此本实施例将各类别对应的权重与对应类别对应的隔震阻尼器的预测隔震效率序列中各参数的和相乘,得到各类别对应的隔震阻尼器的目标预测隔震效率;将所述各类别对应的隔震阻尼器的目标预测隔震效率的和记为未来时间段高层建筑隔震阻尼器的最终预测隔震效率。
本实施例中,由于隔震效率可以反映高层建筑隔震阻尼器的寿命,因此工作人员可以通过对未来时间段高层建筑隔震阻尼器的最终隔震效率进行分析,来预测未来时间段高层建筑隔震阻尼器的寿命。
有益效果:本实施例将各历史震动时刻对应的外界振动程度作为对历史震动时间段内各历史震动时刻进行分类的依据;将各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列作为得到各类别对应的隔震效率序列的依据;将各历史震动时刻对应的楼层振动程度序列作为得到各类别对应的目标振动程度序列的依据;将各类别对应的隔震效率序列和目标振动程度序列作为得到各类别对应的目标隔震效率序列;将各类别对应的目标隔震效率序列作为得到各类别中各历史震动时刻对应的数据可靠程度的依据;将各类别对应的目标隔震效率序列、各类别中各历史震动时刻对应的数据可靠程度以及目标预测网络作为得到未来时间段高层建筑隔震阻尼器的寿命的依据。本实施例能对高层建筑隔震阻尼器的使用寿命进行提前预测,也能及时为管理人员争取较多的更换或者检查阻尼器的时间。
需要说明的是,上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣,在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。
Claims (8)
1.基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,其特征在于,该方法包括如下步骤:
获取高层建筑历史震动时间段内各历史震动时刻对应的各楼层的加速度序列和各历史震动时刻对应的外界加速度序列;所述外界加速度序列为目标火车轨道对应的加速度序列;
根据所述外界加速度序列,得到各历史震动时刻对应的外界振动程度;
根据所述各楼层的加速度序列,得到各历史震动时刻对应的各楼层的加速度变化程度序列;
根据所述各楼层的加速度序列和所述外界加速度序列,得到各历史震动时刻对应的楼层振动程度序列;
根据所述外界振动程度,对历史震动时间段内各历史震动时刻进行分类;根据各类别中各历史震动时刻对应的相邻两楼层的加速度变化程度序列,得到各类别对应的隔震效率序列;根据所述楼层振动程度序列,得到各类别对应的目标振动程度序列;
根据所述隔震效率序列和目标振动程度序列,得到各类别对应的目标隔震效率序列;根据所述目标隔震效率序列,得到各类别中各历史震动时刻对应的数据可靠程度;
根据所述目标隔震效率序列、所述数据可靠程度以及目标预测网络,得到未来时间段高层建筑隔震阻尼器的寿命。
2.如权利要求1所述的基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,其特征在于,所述根据所述外界加速度序列,得到各历史震动时刻对应的外界振动程度的方法,包括:
计算所述外界加速度序列对应的平均外界加速度;计算所述外界加速度序列对应的标准差;
根据所述外界加速度序列对应的平均外界加速度和标准差,得到各历史震动时刻对应的外界振动程度。
3.如权利要求1所述的基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,其特征在于,所述根据所述各楼层的加速度序列和所述外界加速度序列,得到各历史震动时刻对应的楼层振动程度序列的方法,包括:
计算所述各楼层的加速度序列的平均加速度;
获得所述各楼层的加速度序列中的最小加速度和各楼层的加速度序列中的最大加速度;
根据所述各楼层的加速度序列的平均加速度、各楼层的加速度序列中的最小加速度、各楼层的加速度序列中的最大加速度以及外界加速度序列,得到各历史震动时刻对应的各楼层的楼层振动程度;
根据所述各楼层的楼层振动程度,构建得到各类别中各历史震动时刻对应的楼层振动程度序列。
5.如权利要求1所述的基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,其特征在于,所述根据所述楼层振动程度序列,得到各类别对应的目标振动程度序列的方法,包括:
按照从小到大的顺序对所述楼层振动程度序列进行排序,将所述排序后的所述楼层振动程度序列记为各类别中各历史震动时刻对应的目标楼层振动程度序列;
获得所述目标楼层振动程度序列中参数的数量、所述目标楼层振动程度序列中的最大值以及所述目标楼层振动程度序列中各参数对应的子序列;所述各参数对应的子序列包括各参数对应的目标楼层振动程度序列中的各参数本身以及各参数前面的参数;
计算所述各参数对应的子序列对应的平均值,将所述子序列对应的平均值记为各类别中各历史震动时刻对应的目标楼层振动程度序列中各参数对应的目标平均值;
根据所述目标楼层振动程度序列中的最大值以及所述各参数对应的目标平均值,得到各类别中各历史震动时刻对应的目标振动程度;
根据所述目标振动程度,构建得到各类别对应的目标振动程度序列。
7.如权利要求1所述的基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,其特征在于,所述根据所述隔震效率序列和目标振动程度序列,得到各类别对应的目标隔震效率序列;根据所述目标隔震效率序列,得到各类别中各历史震动时刻对应的数据可靠程度的方法,包括:
根据所述目标振动程度序列中的各目标振动程度与所述隔震效率指标序列中的各隔震效率,得到各类别中各历史震动时刻对应的目标隔震效率;
根据所述目标隔震效率,构建得到各类别对应的目标隔震效率序列;
计算所述目标隔震效率序列中各参数与对应目标隔震效率序列中其余各参数的距离之和;
根据所述距离之和,得到各类别中各历史震动时刻对应的数据可靠程度。
8.如权利要求1所述的基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法,其特征在于,所述根据所述目标隔震效率序列、所述数据可靠程度以及目标预测网络,得到未来时间段高层建筑隔震阻尼器的寿命的方法,包括:
将所述各类别对应的目标隔震效率序列输入到目标预测网络中,得到各类别对应的隔震阻尼器的预测隔震效率序列;
获得所述各类别中历史震动时刻的数量以及历史震动时间段内历史震动时刻的数量;
将所述各类别中历史震动时刻的数量与历史震动时间段内历史震动时刻的数量的比值记为各类别对应的权重;
根据所述各类别对应的权重和所述各类别对应的隔震阻尼器的预测隔震效率序列中各参数的和,得到各类别对应的隔震阻尼器的目标预测隔震效率;
将所述各类别对应的隔震阻尼器的目标预测隔震效率的和记为未来时间段高层建筑隔震阻尼器的最终预测隔震效率;
根据所述最终预测隔震效率,得到未来时间段高层建筑隔震阻尼器的寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453499.6A CN114547760B (zh) | 2022-04-27 | 2022-04-27 | 基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453499.6A CN114547760B (zh) | 2022-04-27 | 2022-04-27 | 基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114547760A CN114547760A (zh) | 2022-05-27 |
CN114547760B true CN114547760B (zh) | 2022-07-01 |
Family
ID=81666614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210453499.6A Active CN114547760B (zh) | 2022-04-27 | 2022-04-27 | 基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114547760B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116821713B (zh) * | 2023-08-31 | 2023-11-24 | 山东大学 | 基于多变量动态时间规整算法的隔震效率评价方法及系统 |
CN117151937B (zh) * | 2023-09-18 | 2024-06-14 | 广州禧闻信息技术有限公司 | 一种建筑震动预防趋势分析系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787655B (zh) * | 2016-02-24 | 2020-08-04 | 西安工业大学 | 超高层结构模态参数识别方法 |
CN109033633B (zh) * | 2018-07-26 | 2023-05-23 | 广州大学 | 基于杜哈梅积分与凸模型的高层建筑风致响应边界评估方法 |
CN111027692A (zh) * | 2019-11-04 | 2020-04-17 | 中国电子科技集团公司第十四研究所 | 一种目标运动态势预测方法及装置 |
CN113283153B (zh) * | 2021-06-15 | 2023-08-25 | 大连海事大学 | 一种变工况下船舶振动设备寿命预测方法 |
-
2022
- 2022-04-27 CN CN202210453499.6A patent/CN114547760B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114547760A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114547760B (zh) | 基于数据设计优化处理的高层建筑隔震阻尼寿命管理方法 | |
JP3233419U (ja) | 昇降システムを管理および監視し、施設を構築するためのシステム | |
Crowley et al. | Probabilistic damage assessment of buildings due to induced seismicity | |
Li et al. | Monitoring of typhoon effects on a super‐tall building in Hong Kong | |
CN107786369A (zh) | 基于irt层次分析和lstm的电力通信网络安全态势感知和预测方法 | |
CN113053053B (zh) | 基于粒子群优化的区间论证多传感器融合的灾难蜂窝报警联动系统 | |
CN113223264B (zh) | 基于qpso-bp神经网络的火灾智能预警系统及方法 | |
CN109264522B (zh) | 报告建筑物设备生命周期、维护和度量审计情况的系统 | |
Cremen et al. | A decision‐making methodology for risk‐informed earthquake early warning | |
US9852620B1 (en) | System and method for detecting sound and performing an action on the detected sound | |
Campbell et al. | Dynamic characteristics and wind-induced response of two high-rise residential buildings during typhoons | |
CN110175745A (zh) | 一种基于故障建模的电力通信网风险评估方法及系统 | |
Cha et al. | Attitudes towards acceptance of risk to buildings from extreme winds | |
Wu et al. | Air infiltration induced inter-unit dispersion and infectious risk assessment in a high-rise residential building | |
CN117114406A (zh) | 一种基于设备数据汇聚的应急事件智慧预警方法及系统 | |
CN110361780A (zh) | 一种基于条件均值输入能量谱的地震波选择方法 | |
CN116029862B (zh) | 一种智慧建筑的可视化安全管理系统 | |
Cao et al. | Monitor wind characteristics and wind‐induced responses of a skyscraper during two typhoons | |
KR102507614B1 (ko) | 기계학습을 이용한 실내 미세먼지 농도 예측 시스템, 예측방법 및 이를 이용한 공기청정기 가동여부 판단 운영시스템 | |
Pan | Damage prediction of low-rise buildings under hurricane winds | |
CN113343176B (zh) | 基于模糊综合评价的电梯设备故障预警方法 | |
CN113132687B (zh) | 基于视频监控和特征识别的建筑升降安全智能监测预警方法及云服务器 | |
Rojas et al. | Performance-based optimization considering both structural and nonstructural components | |
Chu et al. | Life-cycle assessment for flutter probability of a long-span suspension bridge based on field monitoring data | |
CN112348419A (zh) | 一种物联网处理系统和方法 |
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 |