• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于神經(jīng)網(wǎng)絡(luò)模型的木結(jié)構(gòu)古建筑實測環(huán)境荷載與應(yīng)變特征關(guān)聯(lián)性分析

      2022-07-18 11:26:08郟鴻韜王炎銘毛江鴻符映紅董亞波
      建筑施工 2022年3期
      關(guān)鍵詞:大殿風速測點

      郟鴻韜 王炎銘 李 強 毛江鴻 符映紅 董亞波

      1. 重慶交通大學 土木工程學院 重慶 400074;2. 浙大寧波理工學院 土木建筑工程學院 浙江 寧波 315100;3. 寧波市保國寺古建筑博物館 浙江 寧波 315033;4. 浙江大學 計算機科學與技術(shù)學院 浙江 杭州 310058

      相比于現(xiàn)代建筑,木結(jié)構(gòu)建筑易受環(huán)境影響,且其可能存在連接松動、蟲害、開裂等問題。因此,對木結(jié)構(gòu)進行健康監(jiān)測顯得十分必要。健康監(jiān)測系統(tǒng)不僅可以在結(jié)構(gòu)服役期間發(fā)生嚴重異常時發(fā)出信號,還可以實時監(jiān)測結(jié)構(gòu)狀態(tài),對結(jié)構(gòu)損傷進行預(yù)測與評估。國內(nèi)已有不少學者利用健康監(jiān)測系統(tǒng)對木結(jié)構(gòu)進行研究,如:楊娜等[1]基于統(tǒng)計過程控制的方法,針對監(jiān)測過程中異常響應(yīng)的數(shù)據(jù),提出了木結(jié)構(gòu)古建筑的診斷模型;張巖等[2]通過對監(jiān)測數(shù)據(jù)的分析,提出人為因素對數(shù)據(jù)參數(shù)精度的影響,并在此基礎(chǔ)上預(yù)測結(jié)構(gòu)的動力響應(yīng),為結(jié)構(gòu)評價提供必要的數(shù)據(jù)支持?;诖?,本文對古建筑進行健康監(jiān)測,研究古建筑環(huán)境荷載與應(yīng)變特征具有現(xiàn)實意義。

      目前,健康監(jiān)測技術(shù)正朝著多樣化的方向發(fā)展,不同學者將監(jiān)測得到的數(shù)據(jù)利用回歸分析、神經(jīng)網(wǎng)絡(luò)等方法進行處理。其中,神經(jīng)網(wǎng)絡(luò)因其處理非線性問題的優(yōu)勢,逐漸成為數(shù)據(jù)處理分析的主流。李雪松等[3]通過建立卷積神經(jīng)網(wǎng)絡(luò),提出了結(jié)構(gòu)特征損傷識別法,解決了結(jié)構(gòu)健康監(jiān)測問題;宋志強等[4]基于改進后的BP神經(jīng)網(wǎng)絡(luò),提出了結(jié)構(gòu)振動響應(yīng)模型,并使預(yù)測精度和收斂速度等性能更具優(yōu)勢;鄧揚等[5]建立了等效應(yīng)力范圍的概率模型,并通過處理橋梁的模態(tài)頻率與環(huán)境條件監(jiān)測數(shù)據(jù),提出了懸索橋結(jié)構(gòu)損傷預(yù)警方法;趙久彬等[6]提出基于BP神經(jīng)網(wǎng)絡(luò)的滑坡預(yù)測方法,實現(xiàn)了空間內(nèi)滑坡危險級別預(yù)測;田明杰等[7]基于BP神經(jīng)網(wǎng)絡(luò),分析了隧道的受力機理及其在施工條件下的穩(wěn)定性。上述研究表明,神經(jīng)網(wǎng)絡(luò)在土木建筑領(lǐng)域已得到初步應(yīng)用,然而針對古建筑的研究相對缺乏。

      綜上所述,本文以寧波市古建筑保國寺為例,建立了基于光纖光柵傳感技術(shù)的結(jié)構(gòu)健康監(jiān)測系統(tǒng),針對環(huán)境荷載與應(yīng)變關(guān)聯(lián)性問題進行了研究,并得到了大殿各主要木構(gòu)件的環(huán)境溫度和環(huán)境風速影響系數(shù)。

      1 大殿結(jié)構(gòu)健康監(jiān)測系統(tǒng)

      1.1 微氣候測點布設(shè)

      本文選取型號為WEMS400-HT的無線環(huán)境溫濕度傳感器,沿大殿不同高度布設(shè),具體布置如圖1、圖2所示。

      圖1 溫濕度測點立面示意

      圖2 溫濕度測點俯視示意

      由圖可知,其安裝位置主要分布于柱層、下額層、藻井層、中額層及上額層,并分別在相同高度上選取2~4個點位安裝傳感器。此外,為采集大殿周圍環(huán)境風場信息,在大殿西北及東南位置均安裝有超聲波風速風向傳感器,相對位置如圖3所示。綜上所述,該微氣候系統(tǒng)共布設(shè)了18個溫濕度傳感器及2個風速風向傳感器。

      圖3 風速風向傳感器布置示意

      1.2 結(jié)構(gòu)響應(yīng)測點布設(shè)

      本文采用玻璃纖維增強塑料(glass fiber reinforced plastic,GFRP)系列光纖光柵應(yīng)變傳感器,分別在核心主架和后進構(gòu)架位置進行布設(shè),共計安裝GFRP應(yīng)變傳感器10個,測點布置及實際設(shè)備的安裝分別如圖4、圖5所示。

      圖4 結(jié)構(gòu)應(yīng)變測點設(shè)置示意

      圖5 E1測點傳感器安裝實物

      2 木結(jié)構(gòu)古建筑健康監(jiān)測數(shù)據(jù)處理方法

      為實時分析了解古建筑結(jié)構(gòu)的狀態(tài)信息,將健康監(jiān)測得到的數(shù)據(jù)進行分析,其主要技術(shù)路線如圖6所示,通過神經(jīng)網(wǎng)絡(luò)和回歸分析的方法來研究相關(guān)結(jié)構(gòu)的受影響程度。

      圖6 技術(shù)路線

      2.1 神經(jīng)網(wǎng)絡(luò)在多維監(jiān)測數(shù)據(jù)處理中的應(yīng)用

      人工神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于大型橋梁、結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)的分析當中,本文利用相關(guān)軟件建立了神經(jīng)網(wǎng)絡(luò)模型,其基本原理如圖7所示。當模型有輸入信號時,隱藏層隨即做出相應(yīng)的反應(yīng),將信號進行加權(quán)傳遞,在經(jīng)過如圖所示的2層隱藏層后可到達輸出層,在數(shù)據(jù)誤差及收斂分析滿足要求后,可得到一組預(yù)測數(shù)據(jù)。

      圖7 神經(jīng)網(wǎng)絡(luò)原理

      值得注意的是,在隱藏層處理數(shù)據(jù)時難免存在誤差,為盡可能減小其偏差,常利用梯度下降法來降低誤差帶來的影響,其計算公式如式(1)所示:

      綜上所述,神經(jīng)網(wǎng)絡(luò)因其結(jié)構(gòu)特點,在多維數(shù)據(jù)處理方面的應(yīng)用愈加廣泛。此外,神經(jīng)網(wǎng)絡(luò)模型可根據(jù)相應(yīng)情況,不斷調(diào)整其內(nèi)部的權(quán)重比值,使模型誤差趨向最小,從而得到更為精確的預(yù)測結(jié)果。

      2.2 回歸分析在健康監(jiān)測數(shù)據(jù)處理中的應(yīng)用

      針對環(huán)境荷載對不同木構(gòu)件的影響程度的問題,本文基于一元線性回歸對監(jiān)測得到的溫度和風速數(shù)據(jù)進行分析,其處理流程如圖8所示。該流程主要可分為3步:第1步,將補償后得到的實際數(shù)據(jù)Z進行線性回歸,得到溫度和應(yīng)變的關(guān)系,并得出相關(guān)系數(shù)R1和斜率a;第2步,在實際數(shù)據(jù)Z中剔除溫度相關(guān)的數(shù)據(jù)后,采用回歸分析,得出其與風速間的相關(guān)系數(shù)R2和斜率b;第3步,根據(jù)溫度和應(yīng)變、風速和應(yīng)變關(guān)系得到新應(yīng)變zn,通過分析不同系數(shù)得到荷載對不同構(gòu)件的影響程度。

      圖8 回歸分析處理流程

      3 長期監(jiān)測數(shù)據(jù)基本特征分析

      3.1 微氣候監(jiān)測數(shù)據(jù)基本特征

      根據(jù)相關(guān)資料[8],環(huán)境溫濕度變化會對結(jié)構(gòu)本身帶來一定的影響。如圖9所示,本文首先選取了大殿4月1日、7月1日、10月1日和1月1日部分溫濕度傳感器(SE1、ZE1、ZJ1、XE1、Z1)監(jiān)測得到的溫度數(shù)據(jù)。由圖可知,大殿內(nèi)部溫度變化趨勢基本相同。值得注意的是,不同測點位置的溫度數(shù)據(jù)之間存在一定差異,這種現(xiàn)象在7月1日時更加明顯,而當時正值夏季。

      圖9 一年四季部分測點日溫度時程曲線

      為了更加直觀地了解大殿溫濕度場的分布情況,隨后選取了7月1日至30日的監(jiān)測數(shù)據(jù)進行整體分析,結(jié)果如圖10所示。由圖可知,其溫濕度分布規(guī)律在水平方向上均勻,而在豎直方向上不均勻。其結(jié)果具體表現(xiàn)為:隨著傳感器位置的升高,溫度數(shù)值隨之增加,濕度數(shù)值則隨之減小。分析其主要原因是大殿結(jié)構(gòu)在垂直方向上有較大差異,且其具有較大的空間高度。此外,相比空間密閉的近屋頂,大殿近地面空間設(shè)有門窗,空氣流動性更強,受太陽輻射影響會更小。

      圖10 大殿溫濕度空間分布情況

      3.2 環(huán)境荷載和應(yīng)變數(shù)據(jù)關(guān)聯(lián)性分析

      由于環(huán)境溫度會對光纖光柵傳感器監(jiān)測數(shù)據(jù)產(chǎn)生干擾,在分析數(shù)據(jù)前需進行溫度補償。由理論分析可知,保國寺大殿結(jié)構(gòu)應(yīng)變監(jiān)測數(shù)據(jù)可表示為如式(2)所示:

      其中,ε為木構(gòu)件總應(yīng)變,εTE為木材溫度應(yīng)變,εW為木材風荷載應(yīng)變,εTS為傳感器溫度應(yīng)變。

      圖11、圖12分別為溫度補償后E1測點傳感器溫度應(yīng)變及風速時程曲線。結(jié)合兩圖圖像可知,木結(jié)構(gòu)構(gòu)件應(yīng)變與溫度關(guān)聯(lián)性較大,而與風速關(guān)聯(lián)性較小。值得注意的是,7月8日至15日環(huán)境溫度出現(xiàn)驟降,此時應(yīng)變數(shù)據(jù)也隨之下降,說明應(yīng)變與溫度之間存在正相關(guān)。這表明,溫度變化是引起木構(gòu)件應(yīng)變變化的主要因素。

      圖11 E1測點構(gòu)件應(yīng)變和環(huán)境溫度時程曲線

      圖12 風速時程曲線

      此外,為研究大殿各主要構(gòu)件的應(yīng)變變化規(guī)律,篩選出受彎梁、拉結(jié)梁及柱部位的傳感器數(shù)據(jù),結(jié)果如圖13所示。由圖可知,大殿各構(gòu)件應(yīng)變變化趨勢基本一致,但其數(shù)值有較大差異。其中,受彎梁構(gòu)件的應(yīng)變變化程度明顯大于拉結(jié)梁以及柱構(gòu)件的應(yīng)變變化程度。這表明,大殿中受彎梁構(gòu)件受溫度變化影響最大。

      圖13 各主要測點應(yīng)變監(jiān)測時程曲線

      4 環(huán)境荷載與應(yīng)變特征關(guān)聯(lián)性分析

      為提高數(shù)據(jù)分析的準確性,本文對溫濕度、風速等數(shù)據(jù)進行零值標準化(Z-Score)處理,將監(jiān)測數(shù)據(jù)進行轉(zhuǎn)換。由式(2)可知,大殿木構(gòu)件的應(yīng)變由溫度、風荷載構(gòu)成。因此,本文選取2018年7月21日至26日E1傳感器數(shù)據(jù)進行分析,并采用神經(jīng)網(wǎng)絡(luò)算法對這幾者的關(guān)系進行研究。其中,神經(jīng)網(wǎng)絡(luò)算法采用式(1)中的梯度下降法,并設(shè)置訓練集數(shù)量為6 000,測試集數(shù)量為2 000。

      神經(jīng)網(wǎng)絡(luò)模型訓練結(jié)果如圖14、圖15所示,其分別表示訓練數(shù)據(jù)、測試數(shù)據(jù)的分析結(jié)果。圖中x軸代表溫度改變幅度,y軸代表風速改變幅度,紅色、藍色分別表示正相關(guān)、負相關(guān)。由圖可知,數(shù)據(jù)主要呈“品”字形分布。值得注意的是,中間數(shù)據(jù)顏色相比于兩側(cè)及上部區(qū)域顏色較淺,其顏色越淺,代表應(yīng)變值越小。這表明,當溫度改變幅度較大時,構(gòu)件應(yīng)變也較大;而當溫度改變幅度較小,且風速大于3 m/s時,構(gòu)件應(yīng)變主要受風荷載影響。

      圖14 訓練集數(shù)據(jù)

      圖15 測試集數(shù)據(jù)

      為驗證數(shù)據(jù)分析的精確程度,對神經(jīng)網(wǎng)絡(luò)模型進行收斂及誤差分析,結(jié)果分別如圖16、圖17所示。由圖可知,隨著迭代次數(shù)的增加,訓練集數(shù)據(jù)和測試集數(shù)據(jù)的均方根誤差(RMSE)均有減小,且均有收斂趨勢。此外,從圖17中可以看出原始數(shù)據(jù)與預(yù)測數(shù)據(jù)曲線趨勢基本一致,雖然預(yù)測應(yīng)變值相比于原始應(yīng)變值偏大,但整體來說兩者偏差較小,擬合程度較好。這表明該分析方法可行,滿足本文數(shù)據(jù)分析需求。

      圖16 模型收斂分析

      圖17 預(yù)測結(jié)果對比

      5 環(huán)境荷載與應(yīng)變相關(guān)系數(shù)研究

      為了探究不同木構(gòu)件對環(huán)境荷載的響應(yīng)程度,采用回歸分析對監(jiān)測數(shù)據(jù)進行處理。為了便于比較和分析,將各構(gòu)件的環(huán)境荷載影響因子列出,如表1所示。其中測點編號E1、W1、N1、NW1、NW2和NW3為主梁受彎構(gòu)件;測點編號E2、W2為主梁拉結(jié)構(gòu)件;測點編號E3、W3為柱構(gòu)件。由表可知,相比于風速相關(guān)系數(shù),各構(gòu)件溫度相關(guān)系數(shù)均較高。風速相關(guān)系數(shù)方面,主梁受彎構(gòu)件數(shù)值明顯較大,主梁拉結(jié)構(gòu)件數(shù)值最小,柱構(gòu)件數(shù)值介于兩者之間。

      表1 各構(gòu)件影響因子匯總

      綜上所述,環(huán)境溫度是引起各主要構(gòu)件應(yīng)變變化的主要原因,而在外界荷載作用下,受彎梁及柱構(gòu)件是其主要的傳遞對象。

      圖18(a)為E1測點應(yīng)變監(jiān)測和環(huán)境溫度數(shù)據(jù)比對結(jié)果,可知在環(huán)境溫度作用下木構(gòu)件應(yīng)變變化明顯,影響系數(shù)Kt=12.888 9。這表明當環(huán)境溫度變化1 ℃,構(gòu)件應(yīng)變將變化12.888 9με;圖18(b)為不考慮溫度影響下構(gòu)件應(yīng)變和風荷載對比結(jié)果。其總體相關(guān)系數(shù)γw=0.555 4,影響系數(shù)Kt=3.294 7。結(jié)果表明,不考慮溫度影響的應(yīng)變數(shù)據(jù)仍與風荷載存在相關(guān)性。主要體現(xiàn)在當風荷載較小時,應(yīng)變變化水平較低;風荷載較大時,應(yīng)變變化水平較高。

      圖18 E1測點數(shù)據(jù)分析結(jié)果

      同理可得E2、E3測點應(yīng)變數(shù)據(jù)和溫度、風荷載數(shù)據(jù)對比圖,結(jié)果如圖19、圖20所示。由圖19可知,構(gòu)件應(yīng)變與溫度間的相關(guān)系數(shù)γw=0.978 8,影響系數(shù)Kt=12.278 1;而不考慮溫度應(yīng)變影響后,木構(gòu)件的應(yīng)變無明顯波動,其與風荷載間的相關(guān)系數(shù)γw僅為0.198 3。這表明,測點編號E2構(gòu)件對環(huán)境風速的響應(yīng)不敏感,相關(guān)性低。由圖20可知,構(gòu)件應(yīng)變與環(huán)境溫度之間的變化規(guī)律與E1、E2測點相似,而不考慮溫度應(yīng)變影響后其相關(guān)系數(shù)及影響系數(shù)分別為γw=0.351 2,Kt=1.523 1,介于上述兩者之間。這表明E3構(gòu)件對環(huán)境風荷載的敏感程度比E1構(gòu)件小,但比E2構(gòu)件高。

      圖19 E2測點數(shù)據(jù)分析結(jié)果

      圖20 E3測點數(shù)據(jù)分析結(jié)果

      6 結(jié)語

      1)環(huán)境溫度變化是古建筑各主要構(gòu)件應(yīng)變變化的主要原因,大殿中受彎梁構(gòu)件受溫度變化影響最大。

      2)當風速小于3 m/s時對應(yīng)變的貢獻率小,風速大于3 m/s時對應(yīng)變的貢獻率大。

      3)外界環(huán)境荷載主要在受彎梁和柱類構(gòu)件上傳遞。

      4)基于梯度下降的人工神經(jīng)網(wǎng)絡(luò)模型經(jīng)學習后,可得到較好的預(yù)測結(jié)果,可用于木結(jié)構(gòu)監(jiān)測數(shù)據(jù)的分析研究。

      猜你喜歡
      大殿風速測點
      液壓支架整機靜強度試驗及等效應(yīng)力分析
      基于CATIA的汽車測點批量開發(fā)的研究與應(yīng)用
      基于Kmeans-VMD-LSTM的短期風速預(yù)測
      基于最優(yōu)TS評分和頻率匹配的江蘇近海風速訂正
      海洋通報(2020年5期)2021-01-14 09:26:54
      故宮三大殿之火
      文苑(2019年14期)2019-08-09 02:14:24
      故宮三大殿探秘
      金橋(2018年3期)2018-12-06 09:05:46
      山東章丘興國寺大殿考
      東方考古(2017年0期)2017-07-11 01:38:26
      武當山·紫霄大殿
      工會博覽(2016年36期)2017-01-11 06:54:03
      基于GARCH的短時風速預(yù)測方法
      考慮風速分布與日非平穩(wěn)性的風速數(shù)據(jù)預(yù)處理方法研究
      丹棱县| 津南区| 日土县| 永清县| 登封市| 富川| 贺州市| 宜宾市| 中宁县| 定结县| 隆化县| 平湖市| 大新县| 灵丘县| 疏附县| 铁岭市| 余干县| 吴堡县| 皮山县| 郸城县| 泾源县| 泸定县| 武穴市| 合阳县| 任丘市| 廉江市| 巩义市| 区。| 蒙自县| 阜南县| 西乌珠穆沁旗| 瓦房店市| 米泉市| 台北市| 富顺县| 石首市| 南乐县| 张家港市| 清远市| 周至县| 富川|