CN116628821B - 基于数据库的宽频隔振支座逆向设计方法 - Google Patents
基于数据库的宽频隔振支座逆向设计方法 Download PDFInfo
- Publication number
- CN116628821B CN116628821B CN202310771710.3A CN202310771710A CN116628821B CN 116628821 B CN116628821 B CN 116628821B CN 202310771710 A CN202310771710 A CN 202310771710A CN 116628821 B CN116628821 B CN 116628821B
- Authority
- CN
- China
- Prior art keywords
- data
- parameters
- model
- standard
- document
- 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
- 238000002955 isolation Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000013461 design Methods 0.000 title claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 53
- 238000012549 training Methods 0.000 claims abstract description 47
- 230000003287 optical effect Effects 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000012795 verification Methods 0.000 claims abstract description 18
- 230000005477 standard model Effects 0.000 claims description 49
- 238000004140 cleaning Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000003062 neural network model Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012217 deletion Methods 0.000 claims description 9
- 230000037430 deletion Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000008054 signal transmission Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 abstract description 4
- 230000035939 shock Effects 0.000 description 9
- 238000009413 insulation Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Architecture (AREA)
- Data Mining & Analysis (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了基于数据库的宽频隔振支座逆向设计方法，涉及宽频隔振支座技术领域，为了解决支座参数存有异常以及逆向重构不完善的问题。本发明根据数值序列将数值序列进行标准检测，保证了对宽频隔振支座样品参数获取的重点和效率，通过对第一子序列和第二子序列的参数数值是否大于标准数值的判断，提高异常数据获取的准确性，根据构建的宽频隔振支座模型可以更好的判断宽频隔振支座实物是否存参数不符合标准的情况，根据验证结果将训练目标模型进行清洗，可以最大程度的优化宽频隔振支座实物的参数，通过非接触式扫描中的光学法对宽频隔振支座实物进行测量，可以使宽频隔振支座实物数据采样率大大提高。
Description
技术领域
本发明涉及宽频隔振支座技术领域，具体为基于数据库的宽频隔振支座逆向设计方法。
背景技术
隔震支座是指结构为达到隔震要求而设置的支承装置。
公开号为CN116186826A的中国专利公开了一种基于数据力学耦合驱动图神经网络的隔震支座设计方法，主要通过获取上部建筑结构设计数据和抗震设计条件，根据上部建筑结构设计数据和抗震设计条件构造待输入图谱表示，并将待输入图谱表示输入至预先训练好的数据-力学耦合驱动图神经网络模型中，以得到相应的隔震支座设计图谱，从而根据隔震支座设计图谱，完成对隔震支座的设计，上述专利虽然解决了隔震支座模型构建的问题，但是在实际操作中还存在以下问题：
1.对宽频隔振支座参数数据进行获取后，没有对参数数据进行异常情况的检测，从而使数据的严谨性降低导致后期逆向建模不精准。
2.没有将宽频隔振支座实物进行进一步的扫描，从而导致宽频隔振支座数据设计不够完善。
3.没有将宽频隔振支座与标准的宽频隔振支座实物进行更精准的判断，从而无法根据宽频隔振支座实物的情况进行质量的评估，并且重构的模型没有进行进一步的数据清洗，从而导致数据不够优化。
发明内容
本发明的目的在于提供基于数据库的宽频隔振支座逆向设计方法，根据数值序列将数值序列进行标准检测，保证了对宽频隔振支座样品参数获取的重点和效率，通过对第一子序列和第二子序列的参数数值是否大于标准数值的判断，提高异常数据获取的准确性，根据构建的宽频隔振支座模型可以更好的判断宽频隔振支座实物是否存参数不符合标准的情况，根据验证结果将训练目标模型进行清洗，可以最大程度的优化宽频隔振支座实物的参数，通过非接触式扫描中的光学法对宽频隔振支座实物进行测量，可以使宽频隔振支座实物数据采样率大大提高，可以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
基于数据库的宽频隔振支座逆向设计方法，包括：
S1：支座样品参数获取：将宽频隔振支座的样品参数进行采集，其中，样品参数包括形状寸法参数、连接板参数和性能参数；
S2：样品参数检测：根据宽频隔振支座样品的型号，将标准型号参数进行获取，其中，标准型号参数获取的方式通过工作人员将参数进行录入，并将标准型号参数与宽频隔振支座样品的参数进行对比检测，若检测出异常参数时，将异常数据自动提交至警报系统；
S3：样品逆向建模：将检测合格的宽频隔振支座样品参数数据进行数据处理，数据处理完成后将样品实物通过扫描仪进行三维扫描，扫描完成后进行模型构建，并将构建完成的模型的参数进行获取，模型参数获取后进行独立存储；
S4：逆向建模模型判定：根据获取的模型参数，将模型参数与标准模型参数进行参数判定，并将判定结果结果进行分析，根据分析的判定结果将不符合标准模型参数的模型参数进行模型重新构建，并将重新构建后的模型标注为目标模型数据；
S5：逆向目标模型处理：将目标模型数据通过神经网络模型进行训练，其中，将神经网络模型训练后的训练数据进行验证和清洗，验证和清洗后得出标准模型数据。
S6：逆向标准模型生成：根据标准模型数据，将数据进行数据节点分析，其中，将标准模型数据划分成若干个节点数据，将节点数据与数据库中的标准节点数据进行数据对应，将对应完成的节点数据中的数据参数进行获取，数据参数获取后生成文档，文档可在显示终端进行查看。
优选的，针对S2中对宽频隔振支座样品参数的异常检测，用于：
将标准型号参数与宽频隔振支座样品的参数进行差别计算，计算后得出数值序列，并将数值序列进行标准检测，根据标准检测判断数值序列是否为标准序列；
若数值序列进行标准检测后为标准序列时，将数值序列按照标准参数进行分割，分割后得到多组相同的第一子序列；
判断第一子序列中的参数数值是否大于标准数值，若大于标注数值，提取出第一子序列中大于标准数值的异常数值，并将该异常数值标注为第一异常数据。
优选的，针对S2中对宽频隔振支座样品参数的异常检测，还用于：
若数值序列进行标准检测后为非标准序列时，通过一维聚类法对数值序列进行聚类运算，聚类运算后得到若干个分割点；
根据得到的若干个分割点，利用若干个分割点对数值序列进行划分，并得到若干个不同的第二子序列；
判断第二子序列中的参数数值是否大于标准数值，若大于标注数值，提取出第二子序列中大于标准数值的异常数值，并将该异常数值标注为第二异常数据；
将第一异常数据和第二异常数据分别进行获取，获取后将数据传输至警报系统，利用警报系统将第一异常数据和第二异常数据进行核查。
优选的，针对S3中样品参数数据的处理，用于：
先将检测合格的宽频隔振支座样品参数数据进行获取；
将样品参数数据划分成若干个数据段，并将若干个数据段进行三维扫描。
优选的，针对S3中样品参数数据的三维扫描，用于：
将处理完成的样品参数数据进行获取，并将样品的实物通过扫描仪进行三维扫描，其中，样品实物的扫描方式为非接触式扫描；
非接触式扫描通过光学法进行样品实物测量，通过扫描仪中的投射仪将光栅投影在样品实物表面，当光栅条纹经过样品实物表面形状调制后产生变形；
并且变形的程度根据样品实物的高度以及扫描仪与投射仪的位置进行变化，再通过拍摄装置将变形后的图像进行获取；
变形后的图像获取后将图像的光数据通过光信号转换为数据信号进行传输。
优选的，针对S3中样品参数数据的三维扫描，用于：
其中先将变形后图像的光信号进行获取，获取后将光信号分割为多个子信号波并检测每个子信号波的功率和波长，将每个子信号波的相位变化情况选择适配的相位匹配因子；
根据光信号的多波混频效率和每个子信号波的功率计算出光信号的多波混频的峰值功率；
根据光信号的多波混频的峰值功率设置信号传输的传感器内存储的样品原件的转化参数；
根据设置的转化参数控制信号传输的传感器将光信号转换成传输信号输出；
根据传输的数据，将数据中的参数调取，参数调取后进行独立存储。
优选的，针对S4中模型参数与标准模型参数的参数判定，用于：
将扫描后的样品实物的模型参数进行获取，在将模型参数与标准模型参数进行数据对比，其中，标准模型参数在数据库中进行调取；
根据模型参数与标准模型参数对比后的数据，将对比数据的阈值进行判断，判断对比数据的阈值是否在标准指标数据阈值内，其中，标准指标数据由工作人员将指标参数进行录入；
若对比数据的阈值不在标准指标数据阈值内，将不在标准指标数据阈值的模型参数进行对应，对应后将该模型参数进行重新模型构建，构建后再次进行扫描；
若对比数据的阈值在标准指标数据阈值内，则标注为目标模型数据。
优选的，针对S5中目标模型数据通过神经网络模型的训练，用于：
先将神经网络模型从数据库中进行获取，神经网络模型获取后将目标模型导入至神经网络模型中进行训练，训练后得到训练目标模型；
将训练目标模型进行模型清洗验证，根据验证结果将训练目标模型进行清洗；
其中，根据验证结果的阈值范围进行不同强度的清洗，当阈值越高清洗强度越大，当阈值越低清洗强度越低；
训练目标模型清洗完成后计算出训练目标模型的损失函数值，根据损失函数值生成模型优化参数，利用模型优化参数对训练目标模型进行优化，并将优化后的训练目标模型标注为标准模型数据。
优选的，基于数据库的宽频隔振支座逆向设计方法，还包括：
提取所述文档的生成时间和文档的数据量，根据所述文档的生成时间将所述文档进行排列，生成文档数据集；
实时监测所述文档数据集的数据量，当所述文档数据集的数据量达到或超过预设的数据量阈值时，将所述文档数据集发送至云端进行云存储；其中，所述数据阈值通过如下公式获取：
其中，Cy表示数据量阈值；Cx表示当前本地端最大存储空间；C1max表示当前本地端针对所述文档数据集预设的最大预留存储空间；C2max表示当前本地端与云端之间所有信道对应的最大信道传输容量对应的数据量；A表示预设的调整系数，A的取值范围为0.21-0.28；
当所述文档数据集发送至云端进行云存储后，根据所述文档数据集的实际数据量，判断文档是否需要在本地端进行数据删除。
优选的，当所述文档数据集发送至云端进行云存储后，根据所述文档数据集的实际数据量，判断文档是否需要在本地端进行数据删除，包括：
当所述文档数据集发送至云端进行云存储后，提取当前所述文档数据集的实际数据量；
提取所述本地端的空间占用量；
提取所述文档数据集中每个文档的数据占比例；
根据所述本地端的空间占用量、所述文档数据集中每个文档的数据占比例和当前所述文档数据集的实际数据量，确定当前所述文档数据集的存储评价值；其中，所述当前所述文档数据集的存储评价值通过如下公式获取：
其中，Cp表示当前所述文档数据集的存储评价值；Cz2表示当前所述文档数据集的实际数据量；Cz1表示所述本地端的空间占用量；Pi表示文档数据集中第i个文档的数据占比例；P1i表示当第i个文档进行数据传输中，利用通信容量最大的信道进行数据传输时对应的信道容量占比例；
当所述存储评价值高于预设的存储评价值时，删除则在所述文档数据集传输至云端进行存储后，将在本地端对所述文档数据集进行删除。
与现有技术相比，本发明的有益效果如下：
1.本发明提供了基于数据库的宽频隔振支座逆向设计方法，通过非接触式扫描中的光学法对宽频隔振支座实物进行测量，可以使宽频隔振支座实物数据采样率大大提高，并且不需要大量的人力资源进行采集，同时根据光信号的多波混频的峰值功率设置信号传输的传感器内存储的样品原件的转化参数，进一步的保证了宽频隔振支座实物进行测量时的可靠性，保证了工作效率和稳定性，将宽频隔振支座实物进行光学法扫描更利于根据三维轮廓数据进行曲向重构，使后期的参数数据更加准确。
2.本发明提供了基于数据库的宽频隔振支座逆向设计方法，根据模型参数与标准模型参数对比后的数据，将对比数据的阈值进行判断，可以有效的将标准的宽频隔振支座参数与现有的宽频隔振支座实物的参数进行判断，并且当宽频隔振支座实物的构建模型不符合标准宽频隔振支座模型后会再次进行构建，提高了对宽频隔振支座实物参数构建的实用性，根据构建的宽频隔振支座模型可以更好的判断宽频隔振支座实物是否存参数不符合标准的情况，同时将训练目标模型进行模型清洗验证，根据验证结果将训练目标模型进行清洗，可以最大程度的优化宽频隔振支座实物的参数，更利于工作人员将参数进行对比。
3.本发明提供了基于数据库的宽频隔振支座逆向设计方法，先将标准型号参数与宽频隔振支座样品的参数进行差别计算，再根据数值序列将数值序列进行标准检测，保证了对宽频隔振支座样品参数获取的重点和效率，通过对第一子序列和第二子序列的参数数值是否大于标准数值的判断，提高异常数据获取的准确性，并且通过一维聚类法对数值序列进行聚类运算，可以使宽频隔振支座样品参数中异常参数数据获取的更加准确客观，第一异常数据和第二异常数据获取后通过警报系统将第一异常数据和第二异常数据再次进行核查，保证了宽频隔振支座样品参数的真实性，也便于工作人员进行参数判断。
附图说明
图1为本发明的宽频隔振支座逆向设计流程示意图。
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、完整地描述，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有技术中，在对宽频隔振支座参数数据进行获取后，没有对参数数据进行异常情况的检测，从而使数据的严谨性降低导致后期逆向建模不精准的问题，请参阅图1，本实施例提供以下技术方案：
基于数据库的宽频隔振支座逆向设计方法，包括：
S1：支座样品参数获取：将宽频隔振支座的样品参数进行采集，其中，样品参数包括形状寸法参数、连接板参数和性能参数；
S2：样品参数检测：根据宽频隔振支座样品的型号，将标准型号参数进行获取，其中，标准型号参数获取的方式通过工作人员将参数进行录入，并将标准型号参数与宽频隔振支座样品的参数进行对比检测，若检测出异常参数时，将异常数据自动提交至警报系统；
S3：样品逆向建模：将检测合格的宽频隔振支座样品参数数据进行数据处理，数据处理完成后将样品实物通过扫描仪进行三维扫描，扫描完成后进行模型构建，并将构建完成的模型的参数进行获取，模型参数获取后进行独立存储；
S4：逆向建模模型判定：根据获取的模型参数，将模型参数与标准模型参数进行参数判定，并将判定结果结果进行分析，根据分析的判定结果将不符合标准模型参数的模型参数进行模型重新构建，并将重新构建后的模型标注为目标模型数据；
S5：逆向目标模型处理：将目标模型数据通过神经网络模型进行训练，其中，将神经网络模型训练后的训练数据进行验证和清洗，验证和清洗后得出标准模型数据。
S6：逆向标准模型生成：根据标准模型数据，将数据进行数据节点分析，其中，将标准模型数据划分成若干个节点数据，将节点数据与数据库中的标准节点数据进行数据对应，将对应完成的节点数据中的数据参数进行获取，数据参数获取后生成文档，文档可在显示终端进行查看。
针对S2中对宽频隔振支座样品参数的异常检测，用于：将标准型号参数与宽频隔振支座样品的参数进行差别计算，计算后得出数值序列，并将数值序列进行标准检测，根据标准检测判断数值序列是否为标准序列；若数值序列进行标准检测后为标准序列时，将数值序列按照标准参数进行分割，分割后得到多组相同的第一子序列；判断第一子序列中的参数数值是否大于标准数值，若大于标注数值，提取出第一子序列中大于标准数值的异常数值，并将该异常数值标注为第一异常数据，针对S2中对宽频隔振支座样品参数的异常检测，还用于：若数值序列进行标准检测后为非标准序列时，通过一维聚类法对数值序列进行聚类运算，聚类运算后得到若干个分割点；根据得到的若干个分割点，利用若干个分割点对数值序列进行划分，并得到若干个不同的第二子序列；判断第二子序列中的参数数值是否大于标准数值，若大于标注数值，提取出第二子序列中大于标准数值的异常数值，并将该异常数值标注为第二异常数据；将第一异常数据和第二异常数据分别进行获取，获取后将数据传输至警报系统，利用警报系统将第一异常数据和第二异常数据进行核查。
具体的,先将标准型号参数与宽频隔振支座样品的参数进行差别计算，再根据数值序列将数值序列进行标准检测，保证了对宽频隔振支座样品参数获取的重点和效率，通过对第一子序列和第二子序列的参数数值是否大于标准数值的判断，提高异常数据获取的准确性，并且通过一维聚类法对数值序列进行聚类运算，可以使宽频隔振支座样品参数中异常参数数据获取的更加准确客观，第一异常数据和第二异常数据获取后通过警报系统将第一异常数据和第二异常数据再次进行核查，保证了宽频隔振支座样品参数的真实性，也便于工作人员进行参数判断。
为了解决现有技术中，在对宽频隔振支座参数获取后，没有将宽频隔振支座实物进行进一步的扫描，从而导致宽频隔振支座数据设计不够完善的问题，请参阅图1，本实施例提供以下技术方案:
针对S3中样品参数数据的处理，用于：先将检测合格的宽频隔振支座样品参数数据进行获取；将样品参数数据划分成若干个数据段，并将若干个数据段进行三维扫描，针对S3中样品参数数据的三维扫描，用于：将处理完成的样品参数数据进行获取，并将样品的实物通过扫描仪进行三维扫描，其中，样品实物的扫描方式为非接触式扫描；非接触式扫描通过光学法进行样品实物测量，通过扫描仪中的投射仪将光栅投影在样品实物表面，当光栅条纹经过样品实物表面形状调制后产生变形；并且变形的程度根据样品实物的高度以及扫描仪与投射仪的位置进行变化，再通过拍摄装置将变形后的图像进行获取；变形后的图像获取后将图像的光数据通过光信号转换为数据信号进行传输，针对S3中样品参数数据的三维扫描，用于：其中先将变形后图像的光信号进行获取，获取后将光信号分割为多个子信号波并检测每个子信号波的功率和波长，将每个子信号波的相位变化情况选择适配的相位匹配因子；根据光信号的多波混频效率和每个子信号波的功率计算出光信号的多波混频的峰值功率；根据光信号的多波混频的峰值功率设置信号传输的传感器内存储的样品原件的转化参数；根据设置的转化参数控制信号传输的传感器将光信号转换成传输信号输出；根据传输的数据，将数据中的参数调取，参数调取后进行独立存储。
具体的，通过非接触式扫描中的光学法对宽频隔振支座实物进行测量，可以使宽频隔振支座实物数据采样率大大提高，并且不需要大量的人力资源进行采集，同时根据光信号的多波混频的峰值功率设置信号传输的传感器内存储的样品原件的转化参数，进一步的保证了宽频隔振支座实物进行测量时的可靠性，保证了工作效率和稳定性，将宽频隔振支座实物进行光学法扫描更利于根据三维轮廓数据进行曲向重构，使后期的参数数据更加准确。
为了解决现有技术中，没有将宽频隔振支座与标准的宽频隔振支座实物进行更精准的判断，从而无法根据宽频隔振支座实物的情况进行质量的评估，并且重构的模型没有进行进一步的数据清洗，从而导致数据不够优化的问题，请参阅图1，本实施例提供以下技术方案：
针对S4中模型参数与标准模型参数的参数判定，用于：将扫描后的样品实物的模型参数进行获取，在将模型参数与标准模型参数进行数据对比，其中，标准模型参数在数据库中进行调取；根据模型参数与标准模型参数对比后的数据，将对比数据的阈值进行判断，判断对比数据的阈值是否在标准指标数据阈值内，其中，标准指标数据由工作人员将指标参数进行录入；若对比数据的阈值不在标准指标数据阈值内，将不在标准指标数据阈值的模型参数进行对应，对应后将该模型参数进行重新模型构建，构建后再次进行扫描；若对比数据的阈值在标准指标数据阈值内，则标注为目标模型数据。
针对S5中目标模型数据通过神经网络模型的训练，用于：先将神经网络模型从数据库中进行获取，神经网络模型获取后将目标模型导入至神经网络模型中进行训练，训练后得到训练目标模型；将训练目标模型进行模型清洗验证，根据验证结果将训练目标模型进行清洗；其中，根据验证结果的阈值范围进行不同强度的清洗，当阈值越高清洗强度越大，当阈值越低清洗强度越低；训练目标模型清洗完成后计算出训练目标模型的损失函数值，根据损失函数值生成模型优化参数，利用模型优化参数对训练目标模型进行优化，并将优化后的训练目标模型标注为标准模型数据。
具体的，根据模型参数与标准模型参数对比后的数据，将对比数据的阈值进行判断，可以有效的将标准的宽频隔振支座参数与现有的宽频隔振支座实物的参数进行判断，并且当宽频隔振支座实物的构建模型不符合标准宽频隔振支座模型后会再次进行构建，提高了对宽频隔振支座实物参数构建的实用性，根据构建的宽频隔振支座模型可以更好的判断宽频隔振支座实物是否存参数不符合标准的情况，同时将训练目标模型进行模型清洗验证，根据验证结果将训练目标模型进行清洗，可以最大程度的优化宽频隔振支座实物的参数，更利于工作人员将参数进行对比。
同时，基于数据库的宽频隔振支座逆向设计方法，还包括：
提取所述文档的生成时间和文档的数据量，根据所述文档的生成时间将所述文档进行排列，生成文档数据集；
实时监测所述文档数据集的数据量，当所述文档数据集的数据量达到或超过预设的数据量阈值时，将所述文档数据集发送至云端进行云存储；其中，所述数据阈值通过如下公式获取：
其中，Cy表示数据量阈值；Cx表示当前本地端最大存储空间；C1max表示当前本地端针对所述文档数据集预设的最大预留存储空间；C2max表示当前本地端与云端之间所有信道对应的最大信道传输容量对应的数据量；A表示预设的调整系数，A的取值范围为0.21-0.28；
当所述文档数据集发送至云端进行云存储后，根据所述文档数据集的实际数据量，判断文档是否需要在本地端进行数据删除。
上述技术方案的技术效果为：根据技术方案，可以提取文档的生成时间和文档的数据量。通过分析文档的元数据，可以获取文档的生成时间信息以及文档中包含的数据量。
根据文档的生成时间，可以对文档进行排序，并生成文档数据集。通过按照时间顺序排列文档，可以实现对文档的时间线索引，方便后续的处理和管理。
实时监测文档数据集的数据量，当数据量达到或超过预设的数据量阈值时，将文档数据集发送至云端进行云存储。这样可以确保及时将数据上传至云端，以便进行备份、存储和后续的分析处理。
当文档数据集发送至云端进行云存储后，根据文档数据集的实际数据量，可以判断是否需要在本地端进行数据删除。这有助于释放本地存储空间，并根据需要进行数据的有效管理和控制。
因此，上述技术方案通过提取文档的生成时间和数据量，进行文档排序和生成文档数据集，实时监测文档数据量并进行云存储，以及根据数据量判断本地数据删除，实现了文档数据的整理、上传和存储管理。这有助于有效管理和存储大量文档数据，并确保数据的及时备份和云端存储，提高数据的安全性和可用性。同时，通过本地端数据的删除，可以释放存储空间，提高本地资源的利用效率。
具体的，当所述文档数据集发送至云端进行云存储后，根据所述文档数据集的实际数据量，判断文档是否需要在本地端进行数据删除，包括：
当所述文档数据集发送至云端进行云存储后，提取当前所述文档数据集的实际数据量；
提取所述本地端的空间占用量；
提取所述文档数据集中每个文档的数据占比例；
根据所述本地端的空间占用量、所述文档数据集中每个文档的数据占比例和当前所述文档数据集的实际数据量，确定当前所述文档数据集的存储评价值；其中，所述当前所述文档数据集的存储评价值通过如下公式获取：
其中，Cp表示当前所述文档数据集的存储评价值；Cz2表示当前所述文档数据集的实际数据量；Cz1表示所述本地端的空间占用量；Pi表示文档数据集中第i个文档的数据占比例；P1i表示当第i个文档进行数据传输中，利用通信容量最大的信道进行数据传输时对应的信道容量占比例；
当所述存储评价值高于预设的存储评价值时，删除则在所述文档数据集传输至云端进行存储后，将在本地端对所述文档数据集进行删除。
上述技术方案的技术效果为：在文档数据集发送至云端进行云存储后，可以提取当前文档数据集的实际数据量。通过分析文档数据集的大小或计算文档的总字节数等方式，可以得到文档数据集的实际数据量。
通过获取本地端存储设备或文件系统的空间占用信息，可以提取本地端的空间占用量。这样可以了解本地端存储设备当前已使用的空间大小。
可以对文档数据集中的每个文档进行分析，计算每个文档占整个数据集的数据比例。这样可以了解每个文档对整个数据集的贡献程度。
根据本地端的空间占用量、文档数据集中每个文档的数据占比例以及文档数据集的实际数据量，可以确定当前文档数据集的存储评价值。通过评价值的计算，可以对文档数据集的存储需求进行综合评估。
当文档数据集的存储评价值高于预设的存储评价值时，可以对文档数据集进行删除操作。这意味着在文档数据集传输至云端进行存储后，可以根据存储评价值的判断结果，在本地端对文档数据集进行删除，以释放本地存储空间。
因此，通过上述技术方案通过提取文档数据集的实际数据量、本地端的空间占用量和文档数据集中每个文档的数据占比例，结合存储评价值的计算和比较，实现了对文档数据集的存储需求的动态管理和删除。这有助于优化本地存储空间的利用，确保合理的存储容量分配，并避免存储空间不足或浪费的情况发生。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.基于数据库的宽频隔振支座逆向设计方法，其特征在于，包括：
S1：支座样品参数获取：将宽频隔振支座的样品参数进行采集，其中，样品参数包括形状寸法参数、连接板参数和性能参数；
S2：样品参数检测：根据宽频隔振支座样品的型号，将标准型号参数进行获取，其中，标准型号参数获取的方式通过工作人员将参数进行录入，并将标准型号参数与宽频隔振支座样品的参数进行对比检测，若检测出异常参数时，将异常数据自动提交至警报系统；
S3：样品逆向建模：将检测合格的宽频隔振支座样品参数数据进行数据处理，数据处理完成后将样品实物通过扫描仪进行三维扫描，扫描完成后进行模型构建，并将构建完成的模型的参数进行获取，模型参数获取后进行独立存储；
S4：逆向建模模型判定：根据获取的模型参数，将模型参数与标准模型参数进行参数判定，并将判定结果进行分析，根据分析的判定结果将不符合标准模型参数的模型参数进行模型重新构建，并将重新构建后的模型标注为目标模型数据；
S5：逆向目标模型处理：将目标模型数据通过神经网络模型进行训练，其中，将神经网络模型训练后的训练数据进行验证和清洗，验证和清洗后得出标准模型数据；
S6：逆向标准模型生成：根据标准模型数据，将数据进行数据节点分析，其中，将标准模型数据划分成若干个节点数据，将节点数据与数据库中的标准节点数据进行数据对应，将对应完成的节点数据中的数据参数进行获取，数据参数获取后生成文档，文档可在显示终端进行查看；
基于数据库的宽频隔振支座逆向设计方法，还包括：
提取所述文档的生成时间和文档的数据量，根据所述文档的生成时间将所述文档进行排列，生成文档数据集；
实时监测所述文档数据集的数据量，当所述文档数据集的数据量达到或超过预设的数据量阈值时，将所述文档数据集发送至云端进行云存储；其中，数据阈值通过如下公式获取：
其中，Cy表示数据量阈值；Cx表示当前本地端最大存储空间；C1max表示当前本地端针对所述文档数据集预设的最大预留存储空间；C2max表示当前本地端与云端之间所有信道对应的最大信道传输容量对应的数据量；A表示预设的调整系数，A的取值范围为0.21-0.28；
当所述文档数据集发送至云端进行云存储后，根据所述文档数据集的实际数据量，判断文档是否需要在本地端进行数据删除；
当所述文档数据集发送至云端进行云存储后，根据所述文档数据集的实际数据量，判断文档是否需要在本地端进行数据删除，包括：
当所述文档数据集发送至云端进行云存储后，提取当前所述文档数据集的实际数据量；
提取所述本地端的空间占用量；
提取所述文档数据集中每个文档的数据占比例；
根据所述本地端的空间占用量、所述文档数据集中每个文档的数据占比例和当前所述文档数据集的实际数据量，确定当前所述文档数据集的存储评价值；其中，所述当前所述文档数据集的存储评价值通过如下公式获取：
其中，Cp表示当前所述文档数据集的存储评价值；Cz2表示当前所述文档数据集的实际数据量；Cz1表示所述本地端的空间占用量；Pi表示文档数据集中第i个文档的数据占比例；P1 i表示当第i个文档进行数据传输中，利用通信容量最大的信道进行数据传输时对应的信道容量占比例；
当所述存储评价值高于预设的存储评价值时，删除则在所述文档数据集传输至云端进行存储后，将在本地端对所述文档数据集进行删除。
2.根据权利要求1所述的基于数据库的宽频隔振支座逆向设计方法，其特征在于：针对S2中对宽频隔振支座样品参数的异常检测，用于：
将标准型号参数与宽频隔振支座样品的参数进行差别计算，计算后得出数值序列，并将数值序列进行标准检测，根据标准检测判断数值序列是否为标准序列；
若数值序列进行标准检测后为标准序列时，将数值序列按照标准参数进行分割，分割后得到多组相同的第一子序列；
判断第一子序列中的参数数值是否大于标准数值，若大于标注数值，提取出第一子序列中大于标准数值的异常数值，并将该异常数值标注为第一异常数据。
3.根据权利要求1所述的基于数据库的宽频隔振支座逆向设计方法，其特征在于：针对S2中对宽频隔振支座样品参数的异常检测，还用于：
若数值序列进行标准检测后为非标准序列时，通过一维聚类法对数值序列进行聚类运算，聚类运算后得到若干个分割点；
根据得到的若干个分割点，利用若干个分割点对数值序列进行划分，并得到若干个不同的第二子序列；
判断第二子序列中的参数数值是否大于标准数值，若大于标注数值，提取出第二子序列中大于标准数值的异常数值，并将该异常数值标注为第二异常数据；
将第一异常数据和第二异常数据分别进行获取，获取后将数据传输至警报系统，利用警报系统将第一异常数据和第二异常数据进行核查。
4.根据权利要求1所述的基于数据库的宽频隔振支座逆向设计方法，其特征在于：针对S3中样品参数数据的处理，用于：
先将检测合格的宽频隔振支座样品参数数据进行获取；
将样品参数数据划分成若干个数据段，并将若干个数据段进行三维扫描。
5.根据权利要求1所述的基于数据库的宽频隔振支座逆向设计方法，其特征在于：针对S3中样品参数数据的三维扫描，用于：
将处理完成的样品参数数据进行获取，并将样品的实物通过扫描仪进行三维扫描，其中，样品实物的扫描方式为非接触式扫描；
非接触式扫描通过光学法进行样品实物测量，通过扫描仪中的投射仪将光栅投影在样品实物表面，当光栅条纹经过样品实物表面形状调制后产生变形；
并且变形的程度根据样品实物的高度以及扫描仪与投射仪的位置进行变化，再通过拍摄装置将变形后的图像进行获取；
变形后的图像获取后将图像的光数据通过光信号转换为数据信号进行传输。
6.根据权利要求5所述的基于数据库的宽频隔振支座逆向设计方法，其特征在于：针对S3中样品参数数据的三维扫描，用于：
先将变形后图像的光信号进行获取，获取后将光信号分割为多个子信号波并检测每个子信号波的功率和波长，将每个子信号波的相位变化情况选择适配的相位匹配因子；
根据光信号的多波混频效率和每个子信号波的功率计算出光信号的多波混频的峰值功率；
根据光信号的多波混频的峰值功率设置信号传输的传感器内存储的样品原件的转化参数；
根据设置的转化参数控制信号传输的传感器将光信号转换成传输信号输出；
根据传输的数据，将数据中的参数调取，参数调取后进行独立存储。
7.根据权利要求1所述的基于数据库的宽频隔振支座逆向设计方法，其特征在于：针对S4中模型参数与标准模型参数的参数判定，用于：
将扫描后的样品实物的模型参数进行获取，在将模型参数与标准模型参数进行数据对比，其中，标准模型参数在数据库中进行调取；
根据模型参数与标准模型参数对比后的数据，将对比数据的阈值进行判断，判断对比数据的阈值是否在标准指标数据阈值内，其中，标准指标数据由工作人员将指标参数进行录入；
若对比数据的阈值不在标准指标数据阈值内，将不在标准指标数据阈值的模型参数进行对应，对应后将该模型参数进行重新模型构建，构建后再次进行扫描；
若对比数据的阈值在标准指标数据阈值内，则标注为目标模型数据。
8.根据权利要求1所述的基于数据库的宽频隔振支座逆向设计方法，其特征在于：针对S5中目标模型数据通过神经网络模型的训练，用于：
先将神经网络模型从数据库中进行获取，神经网络模型获取后将目标模型导入至神经网络模型中进行训练，训练后得到训练目标模型；
将训练目标模型进行模型清洗验证，根据验证结果将训练目标模型进行清洗；
其中，根据验证结果的阈值范围进行不同强度的清洗，当阈值越高清洗强度越大，当阈值越低清洗强度越低；
训练目标模型清洗完成后计算出训练目标模型的损失函数值，根据损失函数值生成模型优化参数，利用模型优化参数对训练目标模型进行优化，并将优化后的训练目标模型标注为标准模型数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310771710.3A CN116628821B (zh) | 2023-06-28 | 2023-06-28 | 基于数据库的宽频隔振支座逆向设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310771710.3A CN116628821B (zh) | 2023-06-28 | 2023-06-28 | 基于数据库的宽频隔振支座逆向设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116628821A CN116628821A (zh) | 2023-08-22 |
| CN116628821B true CN116628821B (zh) | 2024-04-02 |
Family
ID=87597431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310771710.3A Active CN116628821B (zh) | 2023-06-28 | 2023-06-28 | 基于数据库的宽频隔振支座逆向设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116628821B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108090284A (zh) * | 2017-12-19 | 2018-05-29 | 建基工程咨询有限公司 | 基于激光扫描建模逆向工程技术在施工监理中的应用 |
| WO2020151320A1 (zh) * | 2019-01-25 | 2020-07-30 | 平安科技（深圳）有限公司 | 数据存储方法、装置、计算机设备及存储介质 |
| CN112131647A (zh) * | 2020-09-25 | 2020-12-25 | 中南大学 | 摩擦型减隔震支座振动台缩尺试验数值计算方法 |
| CN113722789A (zh) * | 2021-07-22 | 2021-11-30 | 河北工业大学 | 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 |
| CN114417465A (zh) * | 2021-12-31 | 2022-04-29 | 清华大学 | 基于深度学习的隔震结构生成方法及装置 |
| JP7158554B1 (ja) * | 2021-10-29 | 2022-10-21 | 日鉄エンジニアリング株式会社 | 学習用データセット生成システム、学習済みモデルの作成方法、地震応答予測装置、学習用データセット生成方法及びプログラム |
| CN115670396A (zh) * | 2022-11-07 | 2023-02-03 | 中国人民解放军总医院海南医院 | 一种智能化便携式脉搏波测定用手表 |
| CN115826454A (zh) * | 2022-11-04 | 2023-03-21 | 湖北工业大学 | 一种船舶大型隔振系统、边缘计算系统及方法 |
| CN115994320A (zh) * | 2023-02-16 | 2023-04-21 | 智性科技南通有限公司 | 一种智能摩擦摆隔震支座及状态监测与故障诊断系统 |
-
2023
- 2023-06-28 CN CN202310771710.3A patent/CN116628821B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108090284A (zh) * | 2017-12-19 | 2018-05-29 | 建基工程咨询有限公司 | 基于激光扫描建模逆向工程技术在施工监理中的应用 |
| WO2020151320A1 (zh) * | 2019-01-25 | 2020-07-30 | 平安科技（深圳）有限公司 | 数据存储方法、装置、计算机设备及存储介质 |
| CN112131647A (zh) * | 2020-09-25 | 2020-12-25 | 中南大学 | 摩擦型减隔震支座振动台缩尺试验数值计算方法 |
| CN113722789A (zh) * | 2021-07-22 | 2021-11-30 | 河北工业大学 | 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 |
| JP7158554B1 (ja) * | 2021-10-29 | 2022-10-21 | 日鉄エンジニアリング株式会社 | 学習用データセット生成システム、学習済みモデルの作成方法、地震応答予測装置、学習用データセット生成方法及びプログラム |
| CN114417465A (zh) * | 2021-12-31 | 2022-04-29 | 清华大学 | 基于深度学习的隔震结构生成方法及装置 |
| CN115826454A (zh) * | 2022-11-04 | 2023-03-21 | 湖北工业大学 | 一种船舶大型隔振系统、边缘计算系统及方法 |
| CN115670396A (zh) * | 2022-11-07 | 2023-02-03 | 中国人民解放军总医院海南医院 | 一种智能化便携式脉搏波测定用手表 |
| CN115994320A (zh) * | 2023-02-16 | 2023-04-21 | 智性科技南通有限公司 | 一种智能摩擦摆隔震支座及状态监测与故障诊断系统 |
Non-Patent Citations (2)
| Title |
|---|
| Junning Cui.Optimization Design of a High Stability Supporting Structure on an Air-Floated Vibration Isolation Platform.ICITEE '19: Proceedings of the 2nd International Conference on Information Technologies and Electrical Engineering.2020,1–5. * |
| 间隙式SMA隔震支座性能分析及负刚度改进研究;邱灿星等;振动与冲击;20230515;第42卷(第9期);19-26 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116628821A (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4175296B2 (ja) | 建設機械のデータ処理装置及び建設機械のデータ処理方法 | |
| CN115170000B (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
| CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
| CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
| CN115187927A (zh) | 一种观景座椅远程监测管理方法及系统 | |
| CN111626358B (zh) | 一种基于bim图片识别的隧道围岩分级方法 | |
| CN117235655A (zh) | 基于联邦学习的智慧供热异常工况识别方法及系统 | |
| CN111830070A (zh) | 一种基于边缘计算的缺陷自动识别评判系统及方法 | |
| CN116226103A (zh) | 一种基于FPGrowth算法进行政务数据质量检测的方法 | |
| CN116628821B (zh) | 基于数据库的宽频隔振支座逆向设计方法 | |
| CN202815869U (zh) | 一种车载微机图像视频数据提取装置 | |
| CN117057666B (zh) | 一种数字化配电网的配电质量评估方法及系统 | |
| CN116644943B (zh) | 一种基于物联网的工程监理数据管理系统 | |
| CN117277566A (zh) | 基于大数据的电网数据分析电力调度系统及方法 | |
| CN115941807B (zh) | 一种园区安防系统数据高效压缩方法 | |
| CN116384189A (zh) | 一种公路桥梁状态评估系统和方法 | |
| CN111678991A (zh) | 一种用于混凝土结构无损检测损伤识别的方法 | |
| CN115880472A (zh) | 一种电力红外图像数据智能诊断分析系统 | |
| CN112765553B (zh) | 一种基于大数据的工程项目管理系统 | |
| CN114610234A (zh) | 一种存储系统参数推荐方法及相关装置 | |
| CN111368823B (zh) | 一种指针式仪表读数识别方法及装置 | |
| CN113408916A (zh) | 基于智能ai和移动app的消防设施检测及现场验收评定系统 | |
| CN117152149B (zh) | 用于晶圆切割的边缘平滑度检测方法及系统 | |
| CN113591511A (zh) | 混凝土状态的识别方法、装置、电子设备及存储介质 | |
| CN116071532B (zh) | 一种户外箱柜智能门控方法及系统 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 5th Floor, No. 118 Xinhua Middle Road, Xinshi Community, Xiaolan Town, Zhongshan City, Guangdong Province, 528400 Applicant after: NPY TECHNOLOGY CO.,LTD. Address before: 528400 building n, anlibang hi tech Industrial Park, phase II, nanshai Industrial Park, No.10, East Jinshan Avenue, Sanjiao Town, Zhongshan City, Guangdong Province Applicant before: NPY TECHNOLOGY CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |