一种高面板堆石坝多目标力学参数反演方法专利检索-软件组件软件包软件计算机系统电脑零配件专利检索查询-专利查询网

一种高面板堆石坝多目标力学参数反演方法

阅读：1036发布：2020-06-15

专利汇可以提供一种高面板堆石坝多目标力学参数反演方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种高面板堆石坝多目标力学参数反演方法，通过充分利用丰富的高面板堆石坝监测数据(坝体沉降、坝体水平变形、面板应力和面板挠度)分别建立多个目标函数，分别训练可模拟力学参数与实测效应量之间非线性映射关系的多个RBF神经网络，利用非支配排序多目标遗传算法 (NSGA-II)运用上述目标函数和神经网络迭代寻优得到能更全面表征坝体沉降、水平变形、面板应力、面板挠度等特性以及高面板堆石坝工作性态的堆石体力学参数。，下面是一种高面板堆石坝多目标力学参数反演方法专利的具体信息内容。

权利要求

1.一种高面板堆石坝力学参数多目标反演方法，其特征在于，包括以下步骤：
步骤1：利用面板堆石坝各断面设计图纸、材料分区情况、坝体分级施工程序建立包括面板、垫层、过渡料在内的面板堆石坝三维有限元模型；
步骤2：运用正交设计原理设计试验参数样本，并采用有限元分析软件以及上述所建模型对试验参数样本进行非线性应力变形分析，分析沉降、水平位移、面板应力、面板挠度的敏感性力学参数，确定敏感性较强的力学参数作为代反演参数；
步骤3：设计参数训练样本并对样本进行有限元计算，使用计算结果分别训练待反演力学参数与沉降、待反演力学参数与水平位移、待反演力学参数与面板应力、待反演力学参数与面板挠度之间的神经网络，共计得到四个训练好的神经网络。
步骤4：运用沉降、水平位移、面板应力、面板挠度实测数据分别建立目标函数，共四个目标函数；
步骤5：采用非支配多目标遗传算(NSGA-II)并利用四个训练好的神经网络对四个目标函数进行协同寻优，得到能全面反映坝体沉降、水平位移、面板应力、面板挠度特性的反演参数值。
2.根据权利要求1所述的高面板堆石坝力学参数多目标反演方法，其特征在于，步骤1中所述高面板堆石坝三维有限元模型为运用有限元软件根据设计图纸、材料分区、坝体施工程序建立三维有限元模型，三维模型中包括堆石体分区、施工分级以及垫层和面板组件。
3.根据权利要求1所述的高面板堆石坝力学参数多目标反演方法，其特征在于，步骤2中所述运用正交设计原理设计试验参数样本进行参数敏感性分析具体步骤为：
步骤2.1：运用正交设计原理对力学材料参数设计试验样本，运用有限元软件对各样本参数组进行应力变形分析，并提取堆石体的沉降、水平变形、面板应力和挠度；
步骤2.2：运用灵敏度指标S来反映参数的敏感性：
式中，S为灵敏度指标，yi为模型第i次计算输出值；y0为初始参数对应的模型输出值；xi为模型第i次计算参数；x0为初始参数；n为计算次数；y值分别为步骤2.1中沉降、水平变形、面板应力和挠度的提取结果，根据灵敏度指标S选择沉降、水平变形、面板应力和挠度的敏感参数，综合分析选出对沉降、水平位移、面板应力和挠度均较敏感的参数作为待反演参数。
4.根据权利要求1所述的高面板堆石坝力学参数多目标反演方法，其特征在于，步骤3中所述训练的神经网络具体步骤为：
步骤3.1：运用正交设计原理和随机算法生成神经网络的参数训练样本，利用有限元分析软件对各组参数训练样本进行应力变形分析，提取堆石体的沉降、水平变形、面板应力和面板面板挠度。
步骤3.2：将参数样本组作为输入，分别将对应的沉降、水平变形、面板应力和面板挠度作为输出，分别训练和检验沉降、水平变形、面板应力和面板挠度的RBF神经网络，得到关于沉降、水平变形、面板应力和面板挠度的训练好的四个神经网络。
5.根据权利要求1所述的高面板堆石坝力学参数多目标反演方法，其特征在于，步骤4中所述四个目标函数分别为：
其中，minE(1)、minE(2)、minE(3)、minE(4)分别为沉降、水平位移、面板应力和面板挠度的目标函数；m、n、j、k为所选用监测点的总个数；i代表观测点的编号；S1i(x)、S2i(x)、S3i(x)、S4i(x)分别为坝体沉降、水平变形、面板应力和面板挠度所选用监测点中的第i个观测点的计算值；S1′i、S2′i、S3′i、S4′i分别为坝体沉降、水平变形、面板应力和面板挠度所选用监测点中的第i个观测点的实测值。
6.根据权利要求1所述的高面板堆石坝力学参数多目标反演方法，其特征在于，步骤5中所述非支配多目标遗传算(NSGA-II)寻优针对四个目标函数采用等权重方式进行迭代寻优，获得与实测沉降、水平变形、面板应力和面板挠度最匹配的堆石体力学参数。

说明书全文

一种高面板堆石坝多目标力学参数反演方法

技术领域

[0001] 本发明属于材料力学技术领域，更具体的说它是一种高面板堆石坝多目标力学参数反演方法。

背景技术

[0002] 准确地把握高面板堆石坝的堆石体力学参数是评价高面板堆石坝面板防渗体系防渗性能、大坝运行性态和准确预测面板堆石坝时空变形规律的前提条件，同时是保证高面板堆石坝安全稳定的关键之一。

[0003] 目前高堆石坝的力学材料参数主要通过室内试验或现场试验获得，然而由于受试验条件、缩尺效应、施工质量、施工工艺等因素影响，试验测定的力学参数与实际值存在较大差异，由此计算的堆石坝应力变形、面板应力和挠度不可避免的与实际值相差较大。结合大坝的实测变形资料，对堆石体力学参数进行反演分析已被广泛应用于工程实践中，并成为获取坝体真实材料力学参数的主要方法之一。

[0004] 但对于高面板堆石坝，除沉降变形监测数据外，还具有丰富的其他监测项目以及详实的监测结果，例如坝体顺河向水平变形、面板应力、面板挠度。然而，在传统力学参数反演方法中，仅仅利用坝体内部沉降变形对堆石体的材料参数进行反演分析，反演结果仅仅与坝体沉降变形性态关联性较高，不能完全表征坝体的水平变形、面板应力、面板挠度等特性，无法完全反映高面板堆石坝的工作性态。

发明内容

[0005] 为了解决以上不足，并为了更加全面的反映坝体的各工作性态与材料参数的关联性，同时充分利用海量监测数据，本发明提供一种采用坝体内部沉降、顺河向水平变形、面板应力以及面板挠度监测数据构建多目标函数，并利用多目标优化算法进行迭代寻优，进而得到更加合理反演参数值的方法。

[0006] 本发明所采用的技术方案是：一种高面板堆石坝力学参数多目标反演方法，其特征在于，包括以下步骤：

[0007] 步骤1：利用面板堆石坝各断面设计图纸、材料分区情况、坝体分级施工程序建立包括面板、垫层、过渡料在内的面板堆石坝三维有限元模型。

[0008] 步骤2：运用正交设计原理设计敏感性分析参数样本，并采用有限元分析软件以及上述所建模型对试验参数样本进行应力变形分析，分析坝体内部沉降、坝体内部顺河向水平变形、面板应力、面板挠度对参数的敏感性，确定敏感性较强的力学参数作为待反演参数。

[0009] 步骤3：设计参数训练样本并对每组样本进行有限元计算，使用计算结果分别训练待反演力学参数与沉降、待反演力学参数与水平变形、待反演力学参数与面板应力、待反演力学参数与面板挠度之间的神经网络，共得到4个训练好的神经网络。

[0010] 步骤4：运用沉降、水平变形、面板应力、面板挠度实测数据分别建立目标函数，共4个目标函数。

[0011] 步骤5：采用多目标优化算法并利用4个神经网对4个目标函数进行协同寻优，得到能全面反映坝体沉降、顺河向水平变形、面板应力、面板挠度等特性的反演参数值。

[0012] 作为优选，步骤1中所述高面板堆石坝三维有限元模型为大型三维有限元分析软件中的三维模型，三维模型中包括堆石体分区、施工分级以及垫层和面板组件；

[0013] 作为优选，步骤2中所述运用正交设计原理设计试验参数样本进行参数敏感性分析具体步骤为：

[0014] 步骤2.1：运用正交设计原理对力学材料参数设计敏感性分析样本，运用三维有限元分析软件对各样本参数组进行应力变形分析，并提取堆石体的沉降、水平变形、面板应力和挠度。

[0015] 步骤2.2：运用灵敏度指标S来反映参数的敏感性：

[0016]

[0017] 式中，S为灵敏度指标，yi为模型第i次计算输出值；y0为初始参数对应的模型输出值；xi为模型第i次计算参数；x0为初始参数；n为计算次数。y值分别为

[0018] 步骤2.1中沉降、水平变形、面板应力和挠度的提取结果，根据灵敏度指标S选择沉降、水平变形、面板应力和挠度的敏感参数，综合分析选出对沉降、水平变形、面板应力和挠度均较敏感的参数作为待反演参数。

[0019] 作为优选，步骤3中所述训练的神经网络具体步骤为：

[0020] 步骤3.1：运用正交设计原理和随机算法生成神经网络的参数训练样本，利用有限元分析软件对各组参数训练样本进行应力变形分析，提取堆石体的沉降、水平变形、面板应力和面板面板挠度。

[0021] 步骤3.2：将参数样本组作为输入，分别将对应的沉降、水平变形、面板应力和面板挠度作为输出，分别训练和检验沉降、水平变形、面板应力和面板挠度的RBF神经网络，得到关于沉降、水平变形、面板应力和面板挠度的训练好的4个神经网络。

[0022] 作为优选，步骤4中所述4个目标函数分别为：

[0023]

[0024] 其中，minE(1)、minE(2)、minE(3)、minE(4)分别为沉降、水平变形、面板应力和面板挠度的目标函数；m、n、j、k为各监测量所选用监测点的总个数；i代表观测点的编号；S1i(x)、S2i(x)、S3i(x)、S4i(x)分别为坝体沉降、水平变形、面板应力和面板挠度所选用监测点中的第i个观测点的计算值；S′1i、S′2i、S′3i、S′4i分别为坝体沉降、水平变形、面板应力和面板挠度所选用监测点中的第i个观测点的实测值。

[0025] 作为优选，步骤5中所述多目标优化算法可选用非支配多目标遗传算(NSGA-II)，运用该算法针对4个目标函数采用等权重方式进行迭代寻优，获得与实测沉降、水平变形、面板应力和面板挠度最匹配的堆石体力学参数。

[0026] 本发明针对高面板堆石坝海量的监测数据以及多目标优化算法在高面板堆石坝参数反演中的应用，创新性的提出了一种全面反映高面板堆石坝沉降、水平变形、面板应力、面板挠度工作特性的力学参数反演方法。有效克服了传统参数反演方法中考虑单一因素的不足，使得到的反演参数更具可靠性和合理性，更能全面反映高面板堆石坝的工作特性。附图说明

[0027] 图1是本发明实施的流程图；

[0028] 图2是高面板堆石坝沉降监测结果示意放大图；

[0029] 图3是高面板堆石坝水平变形监测结果示意放大图；

[0030] 图4是高面板堆石坝面板挠度监测结果示意方大图；

[0031] 图5是高面板堆石坝面板钢筋应力监测点布置示意图。

具体实施方式

[0032] 下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。图1是本发明实施的流程图，实施例具体实施过程如下：

[0033] 步骤1：利用面板堆石坝各断面设计图纸、材料分区情况、坝体分级施工程序建立包括面板、垫层、过渡料在内的面板堆石坝三维有限元模型。具体实施步骤如下：

[0034] 步骤1.1：运用ANSYS软件根据设计图纸、材料分区等建立三维有限元模型，三维模型中包括堆石体分区、施工分级以及垫层和面板等组件；

[0035] 步骤1.2：使用APDL命令按ABAQUS建模所需输入格式导出ANSYS中三维模型单元、节点、接触面、组件信息的*.inp文件，将这些文件导入ABAQUS即可在ABAQUS建立三维有限元模型。

[0036] 步骤2：运用正交设计原理设计敏感性分析参数样本，并采用有限元分析软件以及上述所建模型对试验参数样本进行应力变形分析，分析坝体内部沉降、坝体内部顺河向水平变形、面板应力、面板挠度对参数的敏感性，确定敏感性较强的力学参数作为待反演参数。具体实施步骤为：

[0037] 步骤2.1：运用正交设计原理对力学材料参数设计敏感性分析样本，运用ABAQUS软件对各样本参数组进行应力变形分析，并用Python脚本提取堆石体的沉降、水平变形、面板应力和挠度。

[0038] 步骤2.2：采用灵敏度指标S来反映参数的敏感性：

[0039]

[0040] 式中，S为灵敏度指标，yi为模型第i次计算输出值；y0为初始参数对应的模型输出值；xi为模型第i次计算参数；x0为初始参数；n为计算次数。y值分别为步骤2.1中沉降、水平变形、面板应力和挠度的提取结果，根据灵敏度指标S选择沉降、水平变形、面板应力和挠度的敏感参数，综合分析选出对沉降、水平变形、面板应力和挠度均较敏感的参数作为待反演参数。

[0041] 步骤3：设计参数训练样本并进行有限元分析，使用计算结果分别训练力学参数与沉降、力学参数与水平变形、力学参数与面板应力、力学参数与面板挠度之间的神经网络，共4个训练好的神经网络。具体实施步骤如下：

[0042] 步骤3.1：运用正交设计原理和随机算法生成神经网络的参数训练样本，利用ABAQUS软件对各组参数训练样本进行应力变形分析，运用Python脚本语言提取堆石体的沉降、水平变形、面板应力和面板面板挠度。

[0043] 步骤3.2：将参数样本组作为输入，分别将对应的沉降、水平变形、面板应力和面板挠度作为输出，分别训练和检验沉降、水平变形、面板应力和面板挠度的RBF神经网络，得到关于沉降、水平变形、面板应力和面板挠度的训练好的4个神经网络。

[0044] 步骤4：运用沉降、水平变形、面板应力、面板挠度实测数据分别建立目标函数，共4个目标函数。坝体沉降、水平变形、面板应力及挠度监测点及监测结果示意图如图2～图5所示，4个目标函数分别为：

[0045]

[0046] 其中，minE(1)、minE(2)、minE(3)、minE(4)分别为沉降、水平变形、面板应力和面板挠度的目标函数；m、n、j、k为所选用监测点的总个数；i代表观测点的编号；S1i(x)、S2i(x)、S3i(x)、S4i(x)分别为坝体沉降、水平变形、面板应力和面板挠度所选用监测点中的第i个观测点的计算值；S′1i、S′2i、S′3i、S′4i分别为坝体沉降、水平变形、面板应力和面板挠度所选用监测点中的第i个观测点的实测值。

[0047] 步骤5：采用多目标优化算法并利用4个神经网对4个目标函数进行协同寻优，寻优过程中例如可具体采用非支配多目标遗传算(NSGA-II)针对4个目标函数采用等权重方式进行迭代寻优，获得与实测沉降、水平变形、面板应力和面板挠度最匹配的堆石体力学参数。

[0048] 本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

[0049] 其它未详细说明的均属于现有技术。

标题	发布/更新时间	阅读量
数据处理环境中的虚拟节点的增强数据存储	2020-05-08	693
一种基于土体残余强度的振动设备及实现方法	2020-05-08	269
一种清分机磁头固定方法	2020-05-08	198
用于可信I/O的安全硬件和软件证明的技术	2020-05-08	947
洗涤滚筒的双位置阻滞装置	2020-05-08	361
用于利用光生物调节的自动个人化脑部调节的系统及方法	2020-05-08	565
风电机组的极限载荷降低方法及系统	2020-05-08	602
一种功率组件故障记录诊断系统及方法	2020-05-08	898
一种活塞的有限元分析方法	2020-05-08	223
一种自动监控方法、装置、终端设备及计算机存储介质	2020-05-11	921

一种高面板堆石坝多目标力学参数反演方法

一种高面板堆石坝多目标力学参数反演方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：