申请/专利权人：华能西藏雅鲁藏布江水电开发投资有限公司;中国水利水电科学研究院;山东泽盛物联网科技有限公司

申请日：2024-03-20

公开（公告）日：2024-06-28

公开（公告）号：CN118261037A

主分类号：G06F30/27

分类号：G06F30/27;G06F18/214;G06N3/0464;G06N3/084;G06F119/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明提供一种重构混凝土结构三维温度场的方法，即：根据实际的混凝土结构建立网格模型，有限元计算实际工况任意初始、边界条件下混凝土结构三维温度场；建立用于重构混凝土结构三维温度场的神经网络；根据混凝土结构三维温度场的数值计算结果，及重构混凝土结构三维温度场的神经网络，确定最优的混凝土温度测点布置间距，实际布设温度测点；获取实际布置各温度测点的空间位置信息和实际温度历程监测数据，通过重构混凝土结构三维温度场的神经网络，获得混凝土结构实际三维温度场的重构结果。本发明重构的混凝土结构三维温度场精度更高、结果更符合实际情况，在相同的温度场重构精度条件下所需的温度测点数量最少。

主权项：1.一种重构混凝土结构三维温度场的方法，其特征在于：它包括：S1、根据实际的混凝土结构建立网格模型，有限元计算实际工况任意初始、边界条件下混凝土结构三维温度场；S2、建立用于重构混凝土结构三维温度场的神经网络；具体方法：S2.1、根据实际工况确定网格模型各节点处的温度控制方程；无水管冷却时，各网格节点处温度控制方程： 有水管冷却时，各网格节点处温度控制方程： 式中：T＝Tx,y,z,τ表示温度；τ表示时间变数；x、y、z表示空间变数；a为混凝土导温系数；θ0和m为混凝土绝热温升参数，其中θ0为混凝土绝热温升终值，m为常数；T0为混凝土浇筑温度；Tw为通水冷却进水口水温；λ为混凝土导热系数；λ1为冷却水管导热系数；c为水管外径；r0为水管内径；S1为水管水平间距；S2为水管铅直间距；L为冷却水管长度；cw为水的比热；ρw为水的密度；qw为冷却水流量；S2.2、搭建一个用于重构混凝土结构三维温度场的神经网络，该神经网络为全连接神经网络；设建立的神经网络输入层神经元个数为4，输出层神经元个数为1，神经网络关系式为Tnet＝netx,y,z,τ,w,b，优选神经网络激活函数为ELU，神经网络参数w、b采用He方法进行初始化；S2.3、根据步骤S2.1确定的控制方程构造损失函数；温度控制方程损失函数为：无水管冷却时： 有水管冷却时： 温度测点数据损失函数：lossmonitoring＝mseTnetxm,ym,zm,τm-Tm损失函数： 其中，mse是均方误差函数；Tnetxp,yp,zp,τm为温度控制方程训练样本数据对应的神经网络输出值；Tnetxm,ym,zm,τm为温度测点训练样本数据对应的神经网络输出值；Tm温度测点训练样本数据对应的温度测点温度数据；Xi∈xp,yp,zp表示温度控制方程训练样本数据中的任一空间变数；τm表示温度控制方程训练样本数据中的时间变数；S3、确定最优的温度测点布置间距，优化布设的温度测点数量；具体方法：S3.1、确定混凝土结构三维空间的最大特征尺寸，长L、宽W、高H；S3.2、根据温度测点布置间距计算公式：确定N＝1时温度测点的空间位置，从步骤S1计算得到的混凝土结构三维温度场数值计算结果中，获取N＝1时各温度测点处的温度历程数值计算结果；S3.3、获取步骤S1中网格模型各节点的空间位置信息xp,yp,zp、步骤S3.2中N时温度测点的空间位置信息xm,ym,zm及温度历程τm、Tm，构造温度控制方程训练样本数据xp,yp,zp,τm和温度测点训练样本数据xm,ym,zm,τm；S3.4、将步骤S3.3获得的温度控制方程训练样本数据和温度测点训练样本数据输入步骤S2.2得到的神经网络中训练神经网络；通过损失函数反向传播优化神经网络参数，当损失函数趋于稳定或迭代次数大于设置的最大迭代次数iter≥itermax时，神经网络训练结束，得到混凝土结构三维温度场的重构结果；S3.5、计算步骤S3.4得到的混凝土结构三维温度场重构结果和步骤S1计算得到的混凝土结构三维温度场数值计算结果之间的平均绝对误差和最大绝对误差εmax＝max{|Ti重构-Ti数值计算|}i＝1,...,M，其中：M为网格模型节点的数量；Ti重构为第i个网格模型节点处温度重构值；Ti数值计算为第i个网格模型节点处温度数值计算值；S3.6、重复步骤S3.2-S3.5，迭代计算N+1时温度场重构结果和数值计算结果之间的误差，直到误差且εmax≤2℃，得到最优的混凝土温度测点布置间距d；S4、根据步骤S3确定的最优混凝土温度测点布置间距实际布置温度测点，获取实际布置的温度测点的空间位置信息和实际温度历程监测数据，构造温度控制方程训练样本数据和温度测点训练样本数据；输入到步骤S2.2得到的神经网络中训练神经网络；通过损失函数反向传播优化神经网络参数，当损失函数趋于稳定或迭代次数大于设置的最大迭代次数iter≥itermax时，神经网络训练结束，获得重构的混凝土结构实际三维温度场。

全文数据：

权利要求：

百度查询： 华能西藏雅鲁藏布江水电开发投资有限公司;中国水利水电科学研究院;山东泽盛物联网科技有限公司 重构混凝土结构三维温度场的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD