(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211156201.1 (22)申请日 2022.09.22 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 程琳　张宇恒　毛昊然　潘鹏生　 许增光　杨杰　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 涂秀清 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06F 30/13(2020.01) G06F 119/14(2020.01) G06F 111/10(2020.01)G06F 113/14(2020.01) (54)发明名称 一种落石冲击作用下的预应力钢筒混凝土 挠度监测方法 (57)摘要 本发明公开了一种落石冲击作用下的预应 力钢筒混凝土挠度监测方法， 步骤1： 在ABAQUS中 建立埋地PCCP三维有限元模型， 通过有限元法计 算分析不同落石参数情况下埋地PCCP的应变和 挠度变化情况； 步骤2： 将应变测值作为样本 数据 集， 对MSVR模型进行训练； 建立光纤实测PCCP结 构应变和挠度之间复杂非线 性关系的BO ‑MSVR模 型； 步骤3： 将实际工程中布置在PCCP上的光纤监 测的数据输入BO ‑MSVR模型， 实现实测PCCP应变 向挠度变形的转换， 进而来评价落石冲击作用下 结构的安全状态。 本发明在能够较为快速且准确 地对落石冲击下PCCP挠度变形的进行监测， 具有 一定的实用意 义。 权利要求书2页 说明书9页 附图6页 CN 115455781 A 2022.12.09 CN 115455781 A 1.一种落石冲击作用下的预应力钢筒混凝土挠度监测方法， 其特征在于， 具体按照如 下步骤进行： 步骤1： 在ABAQUS中建立埋地PCCP三维有限元模型， 通过有限元法计算分析不同落石参 数情况下埋地PCCP的应变和挠度变化情况， 得到的不同工况 下的应变测值； 步骤2： 以光纤应变监测数据作为输入， 以各测点处管道挠度测值作为输出； 将步骤1中 得到的应变测 值作为样本数据集， 选取样本数据集中的一部分作为测试样本， 其余作为训 练样本对MSVR模型进行训练； 设定MSVR模型中超参数的取值范围， 在超参数的可能取值范 围内， 利用BO算法确 定超参数的最优取值， 从而建立光纤实测PCCP结构应变和挠度之间复 杂非线性关系的BO ‑MSVR模型， BO ‑MSVR模型以光纤应变监测数据作为输入， 以各测点处管 道挠度测值作为输出； 步骤3： 将实际工程中布置在PCCP上的光纤监测的数据输入步骤2中得到 的BO‑MSVR模 型， 进而实现实测PCCP应变向挠度变形的转换， 得到了P CCP结构挠度变形数据， 使用P CCP结 构挠度变形 数据来评价 落石冲击作用下 结构的安全状态。 2.根据权利要求1所述的一种落石冲击作用下的预应力钢筒混凝土挠度监测方法， 其 特征在于， 步骤1中， 落石参数包括落石半径、 落石高度以及落石位置， 给予落石位置的X和Y 坐标、 落石半径和落石高度参数若干不同的取值， 得到M组落石参数 的组合； 对于每一组落 石参数， 采用埋地PCCP三维有限元模 型计算不同落石参数工况下PCCP有限元模型的应变结 果， 将应变结果作为分布式光纤应 变测量结果。 3.根据权利要求1所述的一种落石冲击作用下的预应力钢筒混凝土挠度监测方法， 其 特征在于， 步骤2中， 在MSVR模型中， 对于一系列数据(x1,y1)， (x2,y2)，…， (xn,yn)， 其中系统 的输入xi∈Rr和系统的输出yi∈Rr之间存在非线性的关系如下公式(1)； 式中， 是非线性投影， 它将输入投影到特征空间； W＝[w1,...,wk]和b＝[b1,..., bk]T是线性投影的参数； 函数f(x)要保证使实际的输出值yi和该函数的预测值f(x)之间仅 有一个微小的偏离 ε。 4.根据权利要求3所述的一种落石冲击作用下的预应力钢筒混凝土挠度监测方法， 其 特征在于， 步骤2中， 定义与MSVR模型相对应的无约束的优化问题如下公式(2)： 式 中 ，| | wj| | 是 向 量 wj的 L2范 数 ；C 是 惩 罚 因 子 ； 在迭代求解时， 为了根据上一步得到的解(Wt,bt)来推求下一步解(Wt+1,bt+1)， 可以将LP (W,b)在(Wt,bt)附近采用一阶泰勒级数展开 LP(W,b)≈L'P(W,b)； 权　利　要　求　书 1/2 页 2 CN 115455781 A 2进而可以得到LP(W,b)≈L”P(W,b)； 式中τ 是与W或b无关的常数项的和； 参数αi可以表达为： 当(Wt， bt)已知时， LP(W,b)的最优解可以转化成求L ”P(W,b)的最优解， 根据驻点条件 和 可以得到： 2wj‑2ΦTDα[yj‑Φwj‑1bj]＝0 (6)； αT[yj‑Φwj‑1bj]＝0 (7)； 整理可以得到： 式中， Dα是由参数αi(i＝1,2……n)组成的对角矩阵； Φ是输入xi的非线性投影组成的 向量， α 是由参数αi(i＝1,2……n)组成的向量， α ＝[α1,..., αn]T； yj是 第j个输出的n个不同的样本， yj＝[yj1,...,yjn]T。 5.根据权利要求4所述的一种落石冲击作用下的预应力钢筒混凝土挠度监测方法， 其 特征在于， 步骤2中， 根据Representer ’s理论， 机器学习问题可以表达为训练样 本的线性组 合， 即： 将式(9)代人式(8)可以得到： 式中， K是核函数矩阵； MSVR模型的两个超 参数分别是惩罚因子C和径向基核 函数的参数σ2， 在给两个超参数的 情况下， 采用迭代加权最小二乘算法来对MSVR模型进行训练， 以获得模型参数B＝[β1， ...， βk]和b＝[b1， ...， bk]T； 通过设定两个超参数的取值范围， 并使用BO算法对两个超参数进行优化， 以此构建应 变向挠度转换的BO ‑MSVR模型。权　利　要　求　书 2/2 页 3 CN 115455781 A 3