买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中南大学

摘要：本发明公开了一种复杂环境条件下混凝土细观参数设计方法，包括获取设定环境下的混凝土样本和对应的图像数据；提取混凝土样本的细观参数；基于遗传算法对混凝土的细观参数进行优化，完成复杂环境条件下混凝土细观参数的设计。本发明还公开了一种实现所述复杂环境条件下混凝土细观参数设计方法的系统。本发明提供的这种复杂环境条件下混凝土细观参数设计方法及系统，针对复杂环境条件下混凝土细观参数设计需求，通过试验获取混凝土样本的参数，并基于遗传算法实现了复杂环境条件下的混凝土细观参数的设计，而且本发明的可靠性更高，精确性更好。

主权项：1.一种复杂环境条件下混凝土细观参数设计方法，其特征在于包括如下步骤：S1.获取设定环境下的混凝土样本，并获取混凝土样本对应的图像数据；S2.根据步骤S1获取的图像数据的投影概率密度信息和边界信息，结合KL变换，提取混凝土样本的细观参数；所述细观参数包括空间位置参数、形状参数和属性参数；具体包括如下步骤：空间位置参数的获取：基于混凝土样本的图像数据的投影概率密度，获取混凝土样本的空间位置参数；形状参数的获取：对混凝土样本的图像数据的边界进行傅里叶变换，以获取混凝土样本的形状参数；属性参数的获取：基于混凝土样本的图像数据和KL变换，获取混凝土样本的属性参数；所述的空间位置参数的获取，具体包括如下步骤：基于混凝土样本的图像数据的投影概率密度，采用如下算式计算得到空间位置参数：式中n为总像素点数目；为初始状态的概率密度；为混凝土细观结构在空间方向上的位置坐标；为状态t在位置上的投影概率密度；所述的形状参数的获取，具体包括如下步骤：根据混凝土样本的图像数据的边界，将边界表示为一系列坐标点，其中j为边界点的索引参数；将边界坐标转换为复数形式，表示为，i为虚数单位；对边界坐标的复数形式进行离散傅里叶变换，得到一系列傅里叶系数为，其中N为边界点的总数，k为频率索引；采用如下算式对傅里叶系数进行简化，得到简化傅里叶系数：式中nn为设定的阈值；根据简化傅里叶系数，通过逆离散傅里叶变换重构简化边界为；最后，计算得到形状参数为；所述的属性参数的获取，具体包括如下步骤：为了研究混凝土体积密度和阻尼之间的相关性，基于K-L变换，将混凝土体积密度和阻尼的随机场离散为一组独立的标准正态随机变量，表示为式中为对应的随机场，取值为或；为高斯随机场的均值，且；为高斯随机场的标准差，且；为KL变换的特征值；为KL变换的特征函数；为用于生成随机场的随机变量；为参数场的空间位置；取K-L展开方法展开的前n项式子进行计算，并简化为式中为简化后的对应的随机场；最后，将作为属性参数；S3.根据步骤S2获取的细观参数，基于遗传算法，采用伴生染色体存储遗传算法的过程信息并进行遗传算法的参数修正，从而对混凝土的细观参数进行优化，完成复杂环境条件下混凝土细观参数的设计；具体包括如下步骤：A.初始化遗传算法的参数，并生成潜在解；具体包括如下步骤：初始化时，随机生成同时包括空间位置参数、形状参数和属性参数的不同的个体；生成个体时，根据控制方程在约束域中找到一个可行的初始解A；具体包括如下步骤：设定一个随机方向的单位矢量为和足够大的数M，以保证由组成的矢量域能够在几何上覆盖由控制方程边界条件组成的全部可行域；对于一个随机方向的单位矢量：若的数字点在可行域中，则当前数字点为初始种群中的一个个体；若的数字点不在可行域中，则将中的M用随机数代替，；若的数字点仍然不在可行域中，则再将中的用代替，；如此重复i次，直至的数字点在可行域中；最终，重复n次，生成包括n个初始个体；以上过程采用如下算式进行表示：式中为初始状态的位置参数；为初始状态的形状参数；为初始状态的属性参数；B.基于空间位置参数、形状参数和属性参数，计算个体的适应度值，并评估当前种群中的个体；具体包括如下步骤：采用如下算式计算个体的适应度值：式中为积分上界参数，且；为当前点的应力；为当前点的应变；为第一中间参数，且，E为杨氏弹性模量，为第一待定参数，为第二待定参数，为第三待定参数，为第四待定参数；为第二中间参数，且，为初始体积密度，为第五待定参数，为第六待定参数，为第七待定参数；表示、和；为每个个体设置一个伴生染色体，用于存储对应个体的历史适应度、位置参数的权重、形状参数的权重和属性参数的权重；采用如下算式计算权重值：式中为第ii种参数的权重值，ii的取值为1~3，依次对应位置参数、形状参数和属性参数；为计算中分配给第ii种参数的存储单元的数量；C.利用伴生染色体完成初始种群信息的记录；具体包括如下步骤：将第i个个体的适应度值、当前种群的历史适应度Fh、位置参数、形状参数和属性参数在种群中的权重对应的数据信息存储入伴生染色体；当前种群的历史适应度Fh表示为；D.根据个体的适应度值，对个体进行选择；具体包括如下步骤：根据个体的适应度值，随机选取若干个个体作为一个小组，从每个小组中选择适应度值最高的前若干个体进行交叉操作，选择适应度值最低的个体进行变异操作；E.遗传操作；具体包括如下步骤：遗传操作包括交叉和变异；首先定义初始遗传操作概率；采用如下算式进行交叉：式中为两个个体交叉的程度，且取值为；为交叉后的第i个个体；为交叉后的第j个个体；为交叉前的第i个个体；为交叉前的第j个个体；采用如下算式进行变异：式中为变异前的第i个个体；为变异前的第i个个体的第j个元素；为变异后的第i个个体的第j个元素；为个体变异的程度，且取值为；为个体中元素的最大值；为个体中元素的最小值；为变异后的第i个个体；F.根据伴生染色体的数据信息，对遗传操作的概率进行实时修正；具体包括如下步骤：采用如如下算式进行第i个个体的遗传操作频率的更新：式中为遗传操作概率，所述的遗传操作包括交叉和变异；为遗传操作概率最大值；为遗传操作概率最小值；为当前历史适应度值的最大值；G.更新伴生染色体的数据信息；H.生成新的种群；I.判断是否达到设定的终止条件：若达到设定的终止条件，则遗传算法结束，输出当前的最优解，作为混凝土的细观参数设计结果；若未达到设定的终止条件，则返回步骤B进行下一轮的迭代；具体包括如下步骤：判断是否达到设定的终止条件：所述的终止条件包括迭代次数达到设定的最大迭代次数，或者当前历史适应度值超过设定的阈值；若达到设定的终止条件，则遗传算法结束，输出当前的最优解，作为混凝土的细观参数设计结果；若未达到设定的终止条件，则返回步骤B进行下一轮的迭代。

全文数据：

权利要求：

百度查询： 中南大学 复杂环境条件下混凝土细观参数设计方法及系统