CN114781042A - 基于优化算法的地震下结构位移时程反演方法及装置 - Google Patents
基于优化算法的地震下结构位移时程反演方法及装置 Download PDFInfo
- Publication number
- CN114781042A CN114781042A CN202210512859.5A CN202210512859A CN114781042A CN 114781042 A CN114781042 A CN 114781042A CN 202210512859 A CN202210512859 A CN 202210512859A CN 114781042 A CN114781042 A CN 114781042A
- Authority
- CN
- China
- Prior art keywords
- displacement
- actual
- error
- model
- acceleration
- 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.)
- Pending
Links
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 189
- 238000005457 optimization Methods 0.000 title claims abstract description 110
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 99
- 230000001133 acceleration Effects 0.000 claims abstract description 117
- 230000004044 response Effects 0.000 claims abstract description 96
- 238000004364 calculation method Methods 0.000 claims abstract description 94
- 238000005259 measurement Methods 0.000 claims abstract description 38
- 230000006870 function Effects 0.000 claims description 44
- 238000005516 engineering process Methods 0.000 claims description 24
- 238000010845 search algorithm Methods 0.000 claims description 13
- 238000005094 computer simulation Methods 0.000 claims description 11
- 238000013016 damping Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 8
- 238000002922 simulated annealing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000005452 bending Methods 0.000 claims description 5
- 238000010008 shearing Methods 0.000 claims description 5
- 230000006378 damage Effects 0.000 abstract description 20
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 134
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008832 photodamage Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请涉及一种基于优化算法的地震下结构位移时程反演方法及装置，包括：获取地震下实际结构的基本结构信息，采集地震下实际结构的实测响应，并基于基本结构信息，将实际结构等效为计算模型和计算模型的结构参数；根据实测响应的类型和数量确定优化策略，基于优化策略计算计算模型的结构参数的误差；以误差最小化为目标，采用预设优化方式确定计算模型的最优结构参数；将地面加速度时程输入到用最优结构参数表征的计算模型中，计算得到各层位移时程，作为实际结构的位移时程，进而评估结构损伤。由此，解决了结构震损评估标准不统一、主观性强等问题，实现客观、科学、高效的震损应急评估，有助于震后灾民妥善安置以及维持社会秩序的稳定。
Description
技术领域
本申请涉及建筑与土木结构工程技术领域，特别涉及一种基于优化算法的地震下结构位移时程反演方法及装置。
背景技术
在强地震动作用下，结构会进入弹塑性受力阶段，出现损伤甚至倒塌。快速判断结构的损伤程度和剩余承载力，可以及时在灾区识别出损伤较轻的房屋，这对于灾民的分散安置，灾民财产的有效保护，避免灾区二次灾害的发生，维护灾区社会稳定，起到十分重要的作用。
相关技术中的，灾后房屋应急评估方法，大多是基于构件损伤，通过层次分析法，推导出结构损伤程度，但由于结构种类的不同、构件位置不同，构件在结构中的重要性权重存在大量的差异，且计算方法不统一。此外，构件的损伤往往需要大量专家现场进行震害调查得到，主观性强、人员依赖性高。因此，上述方法存在较多的局限性。
结构在地震下的位移时程，与结构的损伤情况存在较强关联。因此，反演出结构在地震下的位移响应，对于结构损伤的评估起到重要的作用。然而，位移时程难以通过接触式测量方法进行获取，常规的非接触式方法，包括激光扫描、摄影测量法、等等，对测量条件和环境的要求高，鲁棒性差。部分基于模型的位移时程反演方法，模型参数需要人为预先确定，且对计算结果有很大影响，并且，精确确定模型参数难度较大。
发明内容
本申请提供一种基于优化算法的地震下结构位移时程反演方法及装置，以解决相关技术中结构震损评估标准不统一、主观性强、人员依赖性高、测量难度大等问题，有助于震后快速评估结构的损伤程度及剩余承载力，对快速安置灾民、维持灾区社会稳定具有重要意义。
本申请第一方面实施例提供一种基于优化算法的地震下结构位移时程反演方法，包括以下步骤：
获取地震下实际结构的基本结构信息，采集地震下所述实际结构的实测响应，并基于所述基本结构信息，将所述实际结构等效为计算模型和所述计算模型的结构参数；
根据所述实测响应的类型和数量确定优化策略，基于所述优化策略计算所述计算模型的结构参数的误差；
以误差最小化为目标，采用预设优化方式确定所述计算模型的最优结构参数；
将地面加速度时程输入到用所述最优结构参数表征的计算模型中，计算得到各层位移时程，将所述各层位移时程作为所述实际结构的位移时程。
可选地，所述根据所述实测响应的类型和数量确定优化策略，基于所述优化策略计算所述计算模型的结构参数的误差，包括：
若所述实测响应为顶层残余位移和各层加速度时程，则根据所述第一误差函数计算所述计算模型的结构参数的误差；
若所述实测响应为所述顶层残余位移和顶层加速度时程，则根据所述第二误差函数计算所述计算模型的结构参数的误差；
若所述实测响应为所述顶层残余位移，则第三误差函数计算所述计算模型的结构参数的误差。
可选地，所述第一误差函数为：
其中，i是采集到加速度时程的楼层编号，m是采集到的加速度时程的楼层总数，dactual,roof为位移时程，dcal,roof为计算得到的位移时程，aactual,i为i楼的实际加速度，acal,i为计算得到的i楼的实际加速度，α，β分别为顶层位移时程反演误差项和加速度时程反演误差项的系数。可选地，所述第二误差函数为：
其中，acal,roof为实际的顶层加速度，aactual,roof为计算得到的实际的顶层加速度。
可选地，所述第三误差函数为：
其中，dactual,roof是实际顶层残余位移，dcal,roof为计算得到的顶层残余位移。
可选地，所述计算模型的结构参数的误差，包括：
实测加速度响应和所述计算模型得到的加速度响应之间的误差；和/或
根据所述实测加速度响应结合残余位移反演得到实际位移响应，根据所述实际位移响应与所述计算模型得到的位移响应之间的误差。
可选地，所述计算模型包括：单自由度模型、弹簧-质量模型、层剪切型模型、弯剪型模型、弯曲型模型、杆系模型、有限元模型的任意一种或多种；
所述计算模型的结构参数包括：各层质量、各层刚度、层恢复力本构模型类型及关键参数、结构阻尼比中的任意一种或多种。
可选地，所述预设优化方式为所述预设优化算法和/或搜索算法，其中，所述所述预设优化算法和/或搜索算法包括：穷举法、网格搜索法、启发式优化算法、凸优化算法、智能算法、模拟退火法、遗传算法、粒子群算法、蚁群算法、神经网络中的任意一种或多种。
可选地，所述采集所述地震下实际结构的实测响应，包括：
通过直接测量、摄影测量、双目视觉技术、激光扫描技术、遥感技术、干涉雷达，或者全球定位系统采集所述顶层残余位移和/或各层残余位移；
通过加速度传感器，或者强震仪采集所述各层加速度时程。
本申请第二方面实施例提供一种基于优化算法的地震下结构位移时程反演装置，包括：
采集模块，用于获取地震下实际结构的基本结构信息，采集地震下所述实际结构的实测响应，并基于所述基本结构信息，将所述实际结构等效为计算模型和所述计算模型的结构参数；
前处理模块，用于根据所述实测响应的类型和数量确定优化策略，基于所述优化策略计算所述计算模型的结构参数的误差；
模型反演模块，用于以误差最小化为目标，采用预设优化方式确定所述计算模型的最优结构参数；
结果输出模块，用于将地面加速度时程输入到用所述最优结构参数表征的计算模型中，计算得到各层位移时程，将所述各层位移时程作为所述实际结构的位移时程。
可选地，所述采集模块，具体用于：
若所述实测响应为顶层残余位移和各层加速度时程，则根据所述第一误差函数计算所述计算模型的结构参数的误差；
若所述实测响应为所述顶层残余位移和顶层加速度时程，则根据所述第二误差函数计算所述计算模型的结构参数的误差；
若所述实测响应为所述顶层残余位移，则第三误差函数计算所述计算模型的结构参数的误差。
可选地，所述第一误差函数为：
其中，i是采集到加速度时程的楼层编号，m是采集到的加速度时程的楼层总数，dactual,roof为位移时程，dcal,roof为计算得到的位移时程，aactual,i为i楼的实际加速度，acal,i为计算得到的i楼的实际加速度，α，β分别为顶层位移时程反演误差项和加速度时程反演误差项的系数。
可选地，所述第二误差函数为：
可选地，所述第三误差函数为：
可选地，所述计算模型的结构参数的误差，包括：
实测加速度响应和所述计算模型得到的加速度响应之间的误差；和/或
根据所述实测加速度响应结合残余位移反演得到实际位移响应，根据所述实际位移响应与所述计算模型得到的位移响应之间的误差。
可选地，所述计算模型包括：单自由度模型、弹簧-质量模型、层剪切型模型、弯剪型模型、弯曲型模型、杆系模型、有限元模型的任意一种或多种；
所述计算模型的结构参数包括：各层质量、各层刚度、层恢复力本构模型类型及关键参数、结构阻尼比中的任意一种或多种。
可选地，所述预设优化方式为所述预设优化算法和/或搜索算法，其中，所述所述预设优化算法和/或搜索算法包括：穷举法、网格搜索法、启发式优化算法、凸优化算法、智能算法、模拟退火法、遗传算法、粒子群算法、蚁群算法、神经网络中的任意一种或多种。
可选地，所述采集模块，具体用于：
通过直接测量、摄影测量、双目视觉技术、激光扫描技术、遥感技术、干涉雷达，或者全球定位系统采集所述顶层残余位移和/或各层残余位移；
通过加速度传感器，或者强震仪采集所述各层加速度时程。
本申请第三方面实施例提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行如上述实施例所述的基于优化算法的地震下结构位移时程反演方法。
本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的基于优化算法的地震下结构位移时程反演方法。
由此，本申请实施例的基于优化算法的地震下结构位移时程反演方法具有以下优点：
(1)实用性强。本申请实施例不需要复杂的测量环境和测量条件。顶层残余位移采集可通过INSAR(Interferometric Synthetic Aperture Radar，干涉雷达)，GPS(GlobalPositioning System，全球定位系统)等技术实现，各层加速度时程采集可通过建筑中安装的加速度传感器实现。上述采集方案对硬件的需求均比较低，有助于工程实际应用。
(2)效率高，标准统一。本申请实施例不需要大量的人工作业，可完全通过计算机自动化实现，本申请实施例的实施效率更高，且评判标准更加统一，更有助于震后应急评估的快速开展。
(3)适用范围广。本申请实施例不需要预先估计模型参数，因此规避了该过程可能导致的误差，在地震现场对于难以判断结构参数的情况，仍具有较高的适用性。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的基于优化算法的地震下结构位移时程反演方法的流程图；
图2为根据本申请一个实施例提供的基于优化算法的地震下结构位移时程反演方法的示意图；
图3为根据本申请一个实施例提供的基于优化算法的地震下结构位移时程反演方法的流程图；
图4为根据本申请一个实施例所采用的数值模型的示意图；
图5为根据本申请一个实施例的位移时程反演效果示意图；
图6为根据本申请实施例提供的基于优化算法的地震下结构位移时程反演装置的方框示意图；
图7为根据本申请实施例提供的电子设备的示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于优化算法的地震下结构位移时程反演方法、装置、电子设备及存储介质。针对上述背景技术中提到的相关技术中结构震损评估标准不统一、主观性强、人员依赖性高、测量难度大等问题。本申请提供了一种基于优化算法的地震下结构位移时程反演方法，在该方法中，通过获取地震下的实际结构，并将实际结构等效为计算模型和计算模型的结构参数；采集地震下实际结构的实测响应，并根据实测响应的类型和数量确定优化策略，基于优化策略计算计算模型的结构参数的误差；以误差最小化为目标，采用预设的优化算法和/或搜索算法确定计算模型的最优结构参数，并将最优结构参数输入地面加速时程进行计算，将计算得到的各层位移时程作为实际结构的位移时程。由此，解决了相关技术中结构震损评估标准不统一、主观性强、人员依赖性高、测量难度大等问题，有助于震后快速评估结构的损伤程度及剩余承载力，对快速安置灾民、维持灾区社会稳定具有重要意义，具有较高的实用性。
具体而言，图1为本申请实施例所提供的一种基于优化算法的地震下结构位移时程反演方法的流程示意图。
如图1所示，该基于优化算法的地震下结构位移时程反演方法包括以下步骤：
在步骤S101中，获取地震下实际结构的基本结构信息，采集地震下实际结构的实测响应，并基于基本结构信息，将实际结构等效为计算模型和计算模型的结构参数。
其中，基本结构信息包括结构类型、层数、层高等。
可选地，在一些实施例中，计算模型包括：单自由度模型、弹簧-质量模型、层剪切型模型、弯剪型模型、弯曲型模型、杆系模型、有限元模型的任意一种或多种；计算模型的结构参数包括：各层质量、各层刚度、层恢复力本构模型类型及关键参数、结构阻尼比中的任意一种或多种。
可选地，在一些实施例中，采集地震下实际结构的实测响应，包括：通过直接测量、摄影测量、双目视觉技术、激光扫描技术、遥感技术、干涉雷达，或者全球定位系统采集顶层残余位移和/或各层残余位移；通过加速度传感器，或者强震仪采集各层加速度时程。
具体而言，本申请实施例可以将获取地震下的实际结构，将实际结构等效成一个计算模型及一系列模型参数，包括但不限于各层质量、各层刚度、层间恢复力本构模型的类型及关键参数、结构阻尼比等。
在步骤S102中，根据实测响应的类型和数量确定优化策略，基于优化策略计算计算模型的结构参数的误差。
其中，实测响应的类型和数量包括但不限于各层加速度时程、残余位移等。其中，顶层残余位移可通过INSAR或GPS等技术采集，各层加速度时程可通过安装在楼内的加速度传感器测得。
可选地，在一些实施例中，根据实测响应的类型和数量确定优化策略，基于优化策略计算计算模型的结构参数的误差，包括：若实测响应为顶层残余位移和各层加速度时程，则根据第一误差函数计算计算模型的结构参数的误差；若实测响应为顶层残余位移和顶层加速度时程，则根据第二误差函数计算计算模型的结构参数的误差；若实测响应为顶层残余位移，则第三误差函数计算计算模型的结构参数的误差。
可选地，在一些实施例中，第一误差函数为：
其中，i是采集到加速度时程的楼层编号，m是采集到的加速度时程的楼层总数，dactual,roof为位移时程，dcal,roof为计算得到的位移时程，aactual,i为i楼的实际加速度，acal,i为计算得到的i楼的实际加速度，α，β分别为顶层位移时程反演误差项和加速度时程反演误差项的系数，优选地，α为0.1，β为1。
可选地，在一些实施例中，第二误差函数为：
其中，acal,roof为实际的顶层加速度，aactual,roof为计算得到的实际的顶层加速度。
可选地，在一些实施例中，第三误差函数为：
其中，dactual,roof是实际顶层残余位移，dcal,roof为计算得到的顶层残余位移。
另外，优化策略可以包括以下三类：(1)若可获取到顶层残余位移及各层加速度时程，可将各层的实测响应与模型计算得到的响应之差作为最小化目标函数；(2)若只能获取到顶层残余位移和顶层加速度时程，可先利用顶层残余位移和加速度时程，反演得到顶层位移时程，再将顶层加速度及位移时程作为目标值；(3)若只能获取到顶层残余位移，可将顶层残余位移与计算值之差作为目标函数。或是通过建立残余位移与最大位移、结构参数间的映射关系，根据实测残余位移和合理的结构参数取值范围，得到最优结构参数取值，并以之计算结构位移响应。
可选地，在一些实施例中，计算模型的结构参数的误差，包括：实测加速度响应和计算模型得到的加速度响应之间的误差；和/或根据实测加速度响应结合残余位移反演得到实际位移响应，根据实际位移响应与计算模型得到的位移响应之间的误差。其中，误差的表现形式包括两条时程之差的L2范数，两条曲线的相关系数，最大值误差等。
在步骤S103中，以误差最小化为目标，采用预设优化方式确定计算模型的最优结构参数。
可选地，在一些实施例中，预设优化方式为预设优化算法和/或搜索算法，其中，预设优化算法和/或搜索算法包括：穷举法、网格搜索法、启发式优化算法、凸优化算法、智能算法、模拟退火法、遗传算法、粒子群算法、蚁群算法、神经网络中的任意一种或多种。
其中，计算模型的结构参数在优化算法中需根据其物理含义给定合适的初值及搜索域。最优结构参数是指在上述计算模型的结构参数的解集内，通过优化(或搜索)算法找到的使目标函数值最小化的参数解。
在步骤S104中，将地面加速度时程输入到用最优结构参数表征的计算模型中，计算得到各层位移时程，将各层位移时程作为实际结构的位移时程。
具体地，(1)将实际结构等效成一个计算模型及一系列模型参数，包括但不限于各层质量、各层刚度、层间恢复力本构模型的关键参数、结构阻尼比等；(2)采集地震下结构的若干响应，包括但不限于各层加速度时程、顶层残余位移等，并利用采集到的实际响应为目标值，计算模型参数的误差；(3)以误差最小化为目标，采用优化(或搜索)算法，进行上述结构参数的寻优，其中，算法包括但不限于模拟退火法、遗传算法、粒子群算法、蚁群算法、神经网络等；(4)根据采集的响应的类型及数量的不同，采用不同的优化策略进行最优参数的反演；(5)利用最优模型参数，输入地面加速度时程，计算出各层位移时程，并将其视为实际结构的位移时程。
由此，将真实结构等效成数值模型，利用有限的结构地震下响应数据，通过优化算法实现模型参数寻优，利用最优模型参数，结合实测地面加速度时程，计算出该模型的各层在地震下的位移响应，将其视为真实结构的地震下位移响应。本申请实施例避免了常规的基于模型迭代的结构各层位移时程预测方法需预先人为估计结构参数所导致的误差，同时，也不需要采用各种复杂的测量设备和测量环境，就可以实现地震下结构各层位移时程的反演，具有较高的实用性。本申请实施例将有助于震后快速评估结构的损伤程度及剩余承载力，对于快速安置灾民、维持灾区社会稳定，具有重要的意义。
为使得本领域技术人员进一步了解本申请实施例的基于优化算法的地震下结构位移时程反演方法，下面结合具体实施例进行详细阐述。
如图2所示，本申请实施例将实际结构1等效成一个计算模型2及一系列模型参数2；采集地震下结构的实测响应3，并利用采集到的实际响应为目标值，计算模型参数的误差；以误差最小化为目标，采用优化(或搜索)算法4，进行上述结构参数的寻优；根据采集的响应的类型及数量的不同，采用不同的优化策略5进行最优参数的反演；利用最优结构参数6，输入地面加速度时程，计算出各层位移时程7，并将其视为实际结构的位移时程。
其中，计算模型包括：单自由度模型、弹簧-质量模型、层剪切型模型、弯剪型模型、弯曲型模型、杆系模型、有限元模型等。结构参数包括各层质量mi、各层刚度ki、层恢复力本构模型类型及关键参数(如屈服强度fy,i和屈服后刚度比βi)、结构阻尼比ζ等。实测结构响应包括残余位移和各层加速度时程。其中，顶层残余位移可通过INSAR或GPS等技术采集，各层加速度时程可通过安装在楼内的加速度传感器测得。优化(或搜索)算法包括穷举法、网格搜素法、启发式优化算法、凸优化算法、智能算法、模拟退火法、遗传算法、粒子群算法、蚁群算法、神经网络等。模型参数的误差包括实测加速度响应与计算模型得到的加速度响应之间的误差，或者通过实测加速度响应结合残余位移值，反演得到的实际位移响应，与计算模型得到的位移响应之间的误差。其中，误差的表现形式包括两条时程之差的L2范数，两条曲线的相关系数，最大值误差等。根据测量的实际响应的类型及数量不同，有不同的优化策略，因此也有不同的误差函数表达形式：
(1)若仅能获取到顶层残余位移信息，则误差函数可如下式所示，其中dactual,roof，dcal,roof分别是实际顶层残余位移和计算得到的顶层残余位移：
(2)若能够获取到顶层残余位移和顶层加速度时程，则误差函数如下式所示。其中，aactual,roof，dactual,roof，acal,roof，dcal,roof分别是实际的顶层加速度和位移时程及计算得到的顶层加速度和位移时程。实际位移时程由于难以直接测量，可对采集到的加速度时程进行基线校正处理，得到真实无噪的加速度时程，进而积分得到位移时程：
(3)若能获取到顶层残余位移、顶层加速度时程及其它层加速度时程，则误差函数可如下式所示。其中，i是采集到加速度时程的楼层编号，m是采集到的加速度时程的楼层总数：
加速度时程基线校正处理方法，包括时域法、频域法、时频域法等。
最优结构参数是指在上述模型参数的解集内，通过优化(或搜索)算法找到的使目标函数值最小化的参数解。
位移时程是指模型计算出的结构各层位移时程，可将其视为实际结构的真实各层位移时程。
进一步地，如图3所示，图3为本申请一个实施例的基于优化算法的地震下结构位移时程反演方法的流程图，包括以下四步：(1)数据获取；(2)数据预处理；(3)模型迭代；(4)计算位移。
其中，数据获取环节，通常需要获取结构输入，即地面加速度时程，以及结构输出，包括顶层残余位移、各层加速度时程等。
数据预处理环节，主要包括加速度基线校正，及结构模态分析。加速度基线校正主要有时域法、频域法和时频域法等。结构模态分析可以采用pick-peaking(峰值检测)，ERA(Eigensystem RealizationAlgorithm，特征系统实现算法)等各种经典的时域、频域或时频域模态分析算法实现。通过模态分析可以得到结构的自振频率和阻尼比。其中，自振频率可作为模型中质量和刚度参数的约束。阻尼比可直接作为已知参数，输入到模型中。
上述自振频率约束，主要包括以下四种类型：
(1)等式约束法。即模型参数在迭代过程中，任何一个中间解必须满足如下等式，否则该解将被丢弃并重新求解：
其中，wi为结构第i阶自振频率，I为单位矩阵，M为结构总质量矩阵，K为结构总刚度矩阵。
(2)不等式约束法。即模型参数在迭代过程中，任何一个中间解必须满足如下不等式关系，否则该解将被丢弃并重新求解：
w′i＝f(M,K)∈(0.97wi,1.03wi)；
其中，w′i为根据该组结构参数中间解计算得到的第i阶自振频率。
(3)惩罚函数法。即在目标函数中加入自振频率识别惩罚项：
其中，n为计算模型的阶数。
(4)反算质量法。即不将质量作为待优化参数，而是根据自振频率和每组参数中的刚度值，计算出对应的质量值，即：
M＝f(w,K)；
模型迭代环节，需要给出各待优化参数的初始值。其中，质量初始值可均取1，刚度初始值按照质量一致和实际一阶频率计算求得，假设每层刚度初始值一致。屈服强度可采用底部剪力法，按小震设计值来确定。屈服后刚度比初始值可取0.1。
模型迭代环节，需要用到优化算法或搜索算法，常见方法包括穷举法、网格搜索算法、启发式优化算法、凸优化算法、智能算法、模拟退火法、遗传算法、粒子群算法、神经网络等。
模型迭代环节，需要通过弹塑性分析方法。常见的数值计算方法包括中心差分法、Newmark-β法(纽马克-β法)、Wilson-θ法(威尔逊-θ法)等等。
计算位移环节，是根据模型迭代过程中得到的最优解，输入地面加速度，计算各层的位移时程，视之为实际结构的真实各层位移时程。
为体现本申请实施例的的有效性，以图4这一层剪切模型为例，进行数值验证。将顶层残余位移和顶层加速度时程作为实测结果，采用粒子群算法，反演各层的位移时程，反演结果可以如图5所示。可见，本申请实施例可以有效地恢复各层位移时程曲线，具有相当高的精度。
根据本申请实施例提出的基于优化算法的地震下结构位移时程反演方法，通过获取地震下实际结构的基本结构信息，并采集地震下实际结构的实测响应，并基于基本结构信息，将实际结构等效为计算模型和计算模型的结构参数；根据实测响应的类型和数量确定优化策略，基于优化策略计算计算模型的结构参数的误差；以误差最小化为目标，采用预设优化方式确定计算模型的最优结构参数；将地面加速度时程输入到用最优结构参数表征的计算模型中，计算得到各层位移时程，将各层位移时程作为实际结构的位移时程。由此，解决了相关技术中结构震损评估标准不统一、主观性强、人员依赖性高、测量难度大等问题，有助于震后快速评估结构的损伤程度及剩余承载力，对快速安置灾民、维持灾区社会稳定具有重要意义。
其次参照附图描述根据本申请实施例提出的基于优化算法的地震下结构位移时程反演装置。
图6是本申请实施例的基于优化算法的地震下结构位移时程反演装置的方框示意图。
如图6所示，该基于优化算法的地震下结构位移时程反演装置10包括：采集模块100、前处理模块200、模型反演模块300及结果输出模块400。
其中，采集模块100，用于获取地震下实际结构的基本结构信息，采集地震下实际结构的实测响应，并基于基本结构信息，将实际结构等效为计算模型和计算模型的结构参数；
前处理模块200，用于根据实测响应的类型和数量确定优化策略，基于优化策略计算计算模型的结构参数的误差；
模型反演模块300，用于以误差最小化为目标，采用预设优化方式确定计算模型的最优结构参数；
结果输出模块400，用于将地面加速度时程输入到用最优结构参数表征的计算模型中，计算得到各层位移时程，将各层位移时程作为实际结构的位移时程。
可选地，在一些实施例中，采集模块100，包括：
若实测响应为顶层残余位移和各层加速度时程，则根据第一误差函数计算计算模型的结构参数的误差；
若实测响应为顶层残余位移和顶层加速度时程，则根据第二误差函数计算计算模型的结构参数的误差；
若实测响应为顶层残余位移，则第三误差函数计算计算模型的结构参数的误差。
可选地，在一些实施例中，第一误差函数为：
其中，i是采集到加速度时程的楼层编号，m是采集到的加速度时程的楼层总数，dactual,roof为位移时程，dcal,roof为计算得到的位移时程，aactual,i为i楼的实际加速度，acal,i为计算得到的i楼的实际加速度，α，β分别为顶层位移时程反演误差项和加速度时程反演误差项的系数。可选地，在一些实施例中，第二误差函数为：
其中，acal,roof为实际的顶层加速度，aactual,roof为计算得到的实际的顶层加速度。
可选地，在一些实施例中，第三误差函数为：
其中，dactual,roof是实际顶层残余位移，dcal,roof为计算得到的顶层残余位移。
可选地，在一些实施例中，计算模型的结构参数的误差，包括：
实测加速度响应和计算模型得到的加速度响应之间的误差；和/或
根据实测加速度响应结合残余位移反演得到实际位移响应，根据实际位移响应与计算模型得到的位移响应之间的误差。
可选地，在一些实施例中，计算模型包括：单自由度模型、弹簧-质量模型、层剪切型模型、弯剪型模型、弯曲型模型、杆系模型、有限元模型的任意一种或多种；
计算模型的结构参数包括：各层质量、各层刚度、层恢复力本构模型类型及关键参数、结构阻尼比中的任意一种或多种。
可选地，在一些实施例中，预设优化方式为预设优化算法和/或搜索算法，其中，预设优化算法和/或搜索算法包括：穷举法、网格搜索法、启发式优化算法、凸优化算法、智能算法、模拟退火法、遗传算法、粒子群算法、蚁群算法、神经网络中的任意一种或多种。
可选地，在一些实施例中，采集模块100，包括：
通过直接测量、摄影测量、双目视觉技术、激光扫描技术、遥感技术、干涉雷达，或者全球定位系统采集顶层残余位移和/或各层残余位移；
通过加速度传感器，或者强震仪采集各层加速度时程。
需要说明的是，前述对基于优化算法的地震下结构位移时程反演方法实施例的解释说明也适用于该实施例的基于优化算法的地震下结构位移时程反演装置，此处不再赘述。
根据本申请实施例提出的基于优化算法的地震下结构位移时程反演装置，通过获取地震下实际结构的基本结构信息，并采集地震下实际结构的实测响应，并基于基本结构信息，将实际结构等效为计算模型和计算模型的结构参数；根据实测响应的类型和数量确定优化策略，基于优化策略计算计算模型的结构参数的误差；以误差最小化为目标，采用预设优化方式确定计算模型的最优结构参数；将地面加速度时程输入到用最优结构参数表征的计算模型中，计算得到各层位移时程，将各层位移时程作为实际结构的位移时程。由此，解决了相关技术中结构震损评估标准不统一、主观性强、人员依赖性高、测量难度大等问题，有助于震后快速评估结构的损伤程度及剩余承载力，对快速安置灾民、维持灾区社会稳定具有重要意义。
图7为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括：
存储器701、处理器702及存储在存储器701上并可在处理器702上运行的计算机程序。
处理器702执行程序时实现上述实施例中提供的基于优化算法的地震下结构位移时程反演方法。
进一步地，电子设备还包括：
通信接口703，用于存储器701和处理器702之间的通信。
存储器701，用于存放可在处理器702上运行的计算机程序。
存储器701可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器701、处理器702和通信接口703独立实现，则通信接口703、存储器701和处理器702可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器701、处理器702及通信接口703，集成在一块芯片上实现，则存储器701、处理器702及通信接口703可以通过内部接口完成相互间的通信。
处理器702可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上的基于优化算法的地震下结构位移时程反演方法。
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必须针对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一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
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N个用于实现定制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，N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。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。
Claims (12)
1.一种基于优化算法的地震下结构位移时程反演方法，其特征在于，包括以下步骤：
获取地震下实际结构的基本结构信息，采集地震下所述实际结构的实测响应，并基于所述基本结构信息，将所述实际结构等效为计算模型和所述计算模型的结构参数；
根据所述实测响应的类型和数量确定优化策略，基于所述优化策略计算所述计算模型的结构参数的误差；
以误差最小化为目标，采用预设优化方式确定所述计算模型的最优结构参数；以及
将地面加速度时程输入到用所述最优结构参数表征的计算模型中，计算得到各层位移时程，将所述各层位移时程作为所述实际结构的位移时程。
2.根据权利要求1所述的方法，其特征在于，所述根据所述实测响应的类型和数量确定优化策略，基于所述优化策略计算所述计算模型的结构参数的误差，包括：
若所述实测响应为顶层残余位移和各层加速度时程，则根据所述第一误差函数计算所述计算模型的结构参数的误差；
若所述实测响应为所述顶层残余位移和顶层加速度时程，则根据所述第二误差函数计算所述计算模型的结构参数的误差；
若所述实测响应为所述顶层残余位移，则第三误差函数计算所述计算模型的结构参数的误差。
3.根据权利要求2所述的方法，其特征在于，所述第一误差函数为：
其中，i是采集到加速度时程的楼层编号，m是采集到的加速度时程的楼层总数，dactual,roof为位移时程，dcal,roof为计算得到的位移时程，aactual,i为i楼的实际加速度，acal,i为计算得到的i楼的实际加速度，α，β分别为顶层位移时程反演误差项和加速度时程反演误差项的系数。
4.根据权利要求3所述的方法，其特征在于，所述第二误差函数为：
其中，acal,roof为实际的顶层加速度，aactual,roof为计算得到的实际的顶层加速度。
5.根据权利要求4所述的方法，其特征在于，所述第三误差函数为：
其中，dactual,roof是实际顶层残余位移，dcal,roof为计算得到的顶层残余位移。
6.根据权利要求2所述的方法，其特征在于，所述计算模型的结构参数的误差，包括：
实测加速度响应和所述计算模型得到的加速度响应之间的误差；和/或
根据所述实测加速度响应结合残余位移反演得到实际位移响应，根据所述实际位移响应与所述计算模型得到的位移响应之间的误差。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述计算模型包括：单自由度模型、弹簧-质量模型、层剪切型模型、弯剪型模型、弯曲型模型、杆系模型、有限元模型的任意一种或多种；
所述计算模型的结构参数包括：各层质量、各层刚度、层恢复力本构模型类型及关键参数、结构阻尼比中的任意一种或多种。
8.根据权利要求1-6任一项所述的方法，其特征在于，所述预设优化方式为所述预设优化算法和/或搜索算法，其中，所述所述预设优化算法和/或搜索算法包括：穷举法、网格搜索法、启发式优化算法、凸优化算法、智能算法、模拟退火法、遗传算法、粒子群算法、蚁群算法、神经网络中的任意一种或多种。
9.根据权利要求2所述的方法，其特征在于，所述采集所述地震下实际结构的实测响应，包括：
通过直接测量、摄影测量、双目视觉技术、激光扫描技术、遥感技术、干涉雷达，或者全球定位系统采集所述顶层残余位移和/或各层残余位移；
通过加速度传感器，或者强震仪采集所述各层加速度时程。
10.一种基于优化算法的地震下结构位移时程反演装置，其特征在于，包括：
采集模块，用于获取地震下实际结构的基本结构信息，采集地震下所述实际结构的实测响应，并基于所述基本结构信息，将所述实际结构等效为计算模型和所述计算模型的结构参数；
前处理模块，用于根据所述实测响应的类型和数量确定优化策略，基于所述优化策略计算所述计算模型的结构参数的误差；
模型反演模块，用于以误差最小化为目标，采用预设优化方式确定所述计算模型的最优结构参数；
结果输出模块，用于将地面加速度时程输入到用所述最优结构参数表征的计算模型中，计算得到各层位移时程，将所述各层位移时程作为所述实际结构的位移时程。
11.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-9任一项所述的基于优化算法的地震下结构位移时程反演方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-9任一项所述的基于优化算法的地震下结构位移时程反演方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210512859.5A CN114781042A (zh) | 2022-05-11 | 2022-05-11 | 基于优化算法的地震下结构位移时程反演方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210512859.5A CN114781042A (zh) | 2022-05-11 | 2022-05-11 | 基于优化算法的地震下结构位移时程反演方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114781042A true CN114781042A (zh) | 2022-07-22 |
Family
ID=82437458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210512859.5A Pending CN114781042A (zh) | 2022-05-11 | 2022-05-11 | 基于优化算法的地震下结构位移时程反演方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114781042A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115325940A (zh) * | 2022-08-09 | 2022-11-11 | 哈尔滨工业大学 | 一种高层建筑地震位移监测系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100808817B1 (ko) * | 2007-09-21 | 2008-03-03 | 한국유지관리 주식회사 | 구조물의 지진피해 평가 보고 시스템 |
| US20180106696A1 (en) * | 2015-03-23 | 2018-04-19 | Ghyslaine MCCLURE | Seismic response assessment of man-made structures |
| CN113111416A (zh) * | 2021-04-07 | 2021-07-13 | 同济大学 | 基于数据驱动的钢筋混凝土结构地震损伤量化评估方法 |
| CN113465733A (zh) * | 2021-08-13 | 2021-10-01 | 重庆大学 | 基于eemd-dnn的振动台结构位移响应预测方法及装置 |
-
2022
- 2022-05-11 CN CN202210512859.5A patent/CN114781042A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100808817B1 (ko) * | 2007-09-21 | 2008-03-03 | 한국유지관리 주식회사 | 구조물의 지진피해 평가 보고 시스템 |
| US20180106696A1 (en) * | 2015-03-23 | 2018-04-19 | Ghyslaine MCCLURE | Seismic response assessment of man-made structures |
| CN113111416A (zh) * | 2021-04-07 | 2021-07-13 | 同济大学 | 基于数据驱动的钢筋混凝土结构地震损伤量化评估方法 |
| CN113465733A (zh) * | 2021-08-13 | 2021-10-01 | 重庆大学 | 基于eemd-dnn的振动台结构位移响应预测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 汪梦甫;龙思;: "高层钢―混凝土混合结构抗震分析的耐震时程方法", 工程抗震与加固改造, no. 04, 5 August 2016 (2016-08-05) * |
| 马高;孙熠辉;李惠;: "单自由度体系残余位移分析及损伤评价", 地震工程与工程振动, no. 05, 15 October 2017 (2017-10-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115325940A (zh) * | 2022-08-09 | 2022-11-11 | 哈尔滨工业大学 | 一种高层建筑地震位移监测系统及方法 |
| CN115325940B (zh) * | 2022-08-09 | 2024-05-14 | 哈尔滨工业大学 | 一种高层建筑地震位移监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Simoen et al. | Dealing with uncertainty in model updating for damage assessment: A review | |
| Tarpø et al. | Expansion of experimental mode shape from operational modal analysis and virtual sensing for fatigue analysis using the modal expansion method | |
| Kim et al. | Crack detection in beam-type structures using frequency data | |
| Simoen et al. | Uncertainty quantification in the assessment of progressive damage in a 7-story full-scale building slice | |
| Das et al. | Structural health monitoring techniques implemented on IASC–ASCE benchmark problem: a review | |
| Vincenzi et al. | Coupling response surface and differential evolution for parameter identification problems | |
| CN103776416B (zh) | 一种基于应变传感器的天线结构变形的间接测量方法 | |
| CN103116759B (zh) | 一种适用于空间网格结构的损伤识别方法 | |
| JP6001740B1 (ja) | 構造物の伝達関数の高精度評価・地震応答予測・劣化診断システム及びその方法 | |
| Abazarsa et al. | Extended blind modal identification technique for nonstationary excitations and its verification and validation | |
| Castiglione et al. | Auto-regressive model based input and parameter estimation for nonlinear finite element models | |
| Bhuyan et al. | Vibration‐based damage localization with load vectors under temperature changes | |
| WO2019001025A1 (zh) | 一种用于结构局部变形与整体模态信息同时获取的传感器布设方法 | |
| Hu et al. | Integrated multi‐type sensor placement and response reconstruction method for high‐rise buildings under unknown seismic loading | |
| Hu et al. | Multi-type sensor placement and response reconstruction for building structures: Experimental investigations | |
| 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 | |
| CN114781042A (zh) | 基于优化算法的地震下结构位移时程反演方法及装置 | |
| Barros et al. | Deterministic and probabilistic-based model updating of aging steel bridges | |
| RU2699918C1 (ru) | Способ диагностики технического состояния зданий и строительных сооружений | |
| CN117610374A (zh) | 一种对震损后钢筋混凝土结构抗震性能的快速评估方法 | |
| Ghaffarzadeh et al. | Damage identification in truss structures using finite element model updating and imperialist competitive algorithm | |
| He | Vibration-based damage identification and health monitoring of civil structures | |
| Guan | Vibration-based structural health monitoring of highway bridges | |
| Moaveni | System and damage identification of civil structures | |
| JP7180946B2 (ja) | 地震情報処理装置 |
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 |