基于深度学习的异形钢结构安装偏差预测方法与流程

摘要: 本发明涉及钢结构安装偏差预测,尤其涉及一种基于深度学习的异形钢结构安装偏差预测方法。背景技术:1、异形钢结构通常由具有不同空间姿态的钢管、桁架或节点构件分阶段吊...
基于深度学习的异形钢结构安装偏差预测方法与流程

本发明涉及钢结构安装偏差预测,尤其涉及一种基于深度学习的异形钢结构安装偏差预测方法。

背景技术:

1、异形钢结构通常由具有不同空间姿态的钢管、桁架或节点构件分阶段吊装连接。构件制造误差、临时支撑变形、吊装姿态变化和连接间隙会使节点实测坐标偏离设计节点坐标,并随构件连接关系向相邻节点传递。施工过程中,连接在不同局部坐标轴方向上的约束随临时固定、螺栓紧固或焊接操作逐步形成,当前节点偏差既包含尚可调整的暂态分量,也包含已经由连接锁定并可能参与累积传播的分量。因此,对下一待装节点进行偏差预测,需要同时利用安装事件的时间关系、构件连接关系和连接方向约束变化。

2、现有技术中,公布号cn120951405a公开“一种基于三维激光扫描的空间异形钢管结构安装偏差分析方法”。该方法通过三维激光扫描现场结构构件,获取钢管弦杆及关键连接点的点云数据并建立实测模型;在现场设置参考标靶点,将实测模型与设计模型拟合对齐并统一坐标系;在钢管结构关键部位选取切面,采用三点拟合计算切面的圆心坐标和半径,据此对空间异形钢管结构的安装几何偏差进行分析。钢结构施工中还常利用全站仪、激光跟踪仪或建筑信息模型对设计坐标与实测坐标进行比对,按照节点、构件或测量时刻组织偏差记录,并基于已测节点偏差评估当前构件的安装状态或生成校核结果。

3、上述技术方案以已安装结构的点云几何重建、坐标配准和切面参数计算为主要处理链,所得结果主要表征测量时刻的现有安装偏差。对于分阶段连接的异形钢结构,直接使用完整节点三维安装偏差或当前几何偏差,未区分连接尚可释放的方向分量与连接锁定时新增固定的方向分量,也未将该方向分量作为安装事件输入写入随真实事件间隔演化并沿连接关系传播的状态记忆。由此,正常吊装姿态变化、临时支撑调整引起的暂态偏差可能与已锁定偏差共同参与下一待装节点的偏差推演。

技术实现思路

1、本发明的一个目的在于提出一种基于深度学习的异形钢结构安装偏差预测方法,旨在异形钢结构分阶段安装过程中,根据相邻安装事件的连接锁定状态变化,从连接锁定前的端点相对安装偏差中确定本次锁定实际固定的方向分量,并在连续时间动态图状态空间模型的既有输入累积链路中写入该方向分量,使偏差记忆按照安装事件间隔演化且沿当前连接关系传播,进而形成下一待装节点三维累计安装偏差及预测安装坐标。

2、根据本发明实施例的基于深度学习的异形钢结构安装偏差预测方法,包括:

3、s1、获取设计节点坐标、连接关系、连接局部坐标轴方向、节点实测坐标、连接锁定状态及安装事件时刻,形成安装事件数据;

4、s2、节点实测坐标减去设计节点坐标形成节点三维安装偏差,比较相邻安装事件连接锁定状态,确定由未锁定转为锁定的新增约束方向,前一安装事件中连接两端节点三维安装偏差相减形成连接端点相对安装偏差,提取连接端点相对安装偏差的新增约束方向分量,形成连接新增约束方向相对偏差分量;

5、s3、将连接新增约束方向相对偏差分量按连接关系和方向关联映射至两端节点,形成节点新增约束偏差输入量,在第一状态空间层输入投影前,以节点新增约束偏差输入量替代节点三维安装偏差并形成第一层输入累积特征,对第一层输入累积特征执行输入投影并计算输入累积项,历史记忆根据相邻安装事件时刻之差执行连续时间状态转移并沿连接关系传播后与输入累积项相加形成第一层更新记忆,经第二状态空间层更新为连接关系偏差记忆状态;

6、s4、由安装事件数据确定下一待装节点,读取相连已装节点的连接关系偏差记忆状态并形成下一待装节点偏差预测特征;

7、s5、将下一待装节点偏差预测特征按连接局部坐标轴方向恢复,形成下一待装节点三维累计安装偏差;

8、s6、将下一待装节点三维累计安装偏差与设计节点坐标逐方向相加形成预测安装坐标,输出下一待装节点三维累计安装偏差及预测安装坐标。

9、可选地,s1具体为:

10、获取设计节点坐标和节点实测坐标,根据节点标识将同一节点的节点实测坐标与设计节点坐标进行匹配,并将匹配结果与安装事件时刻关联,形成节点坐标时序数据;

11、获取连接关系、连接局部坐标轴方向和连接锁定状态,根据连接标识将每一连接的两端节点、连接局部坐标轴方向及连接锁定状态进行匹配,并将匹配结果与安装事件时刻关联,形成连接状态时序数据;

12、按照安装事件时刻的先后顺序,将节点坐标时序数据与连接状态时序数据进行匹配,使同一安装事件中的节点实测坐标、设计节点坐标、连接关系、连接局部坐标轴方向及连接锁定状态具有相同的安装事件时刻,形成安装事件数据。

13、可选地,s2具体为:

14、根据安装事件数据,按照节点标识匹配同一安装事件中的节点实测坐标与设计节点坐标,对匹配的节点实测坐标与设计节点坐标进行求差,形成节点三维安装偏差;

15、按照连接标识读取相邻安装事件的连接锁定状态,逐连接比较每个连接局部坐标轴方向在相邻安装事件中的连接锁定状态,将前一安装事件处于未锁定状态且当前安装事件转为锁定状态的连接局部坐标轴方向确定为新增约束方向;

16、根据连接关系和连接端点标识,从前一安装事件的节点三维安装偏差中提取新增约束方向对应连接的两端节点偏差,按照固定端点顺序对两端节点偏差进行求差,形成连接端点相对安装偏差;

17、将连接端点相对安装偏差投影至对应连接的连接局部坐标轴方向,保留与新增约束方向相同的投影分量,并将投影分量沿对应连接局部坐标轴方向恢复至节点实测坐标采用的坐标方向,逐连接形成连接新增约束方向相对偏差分量。

18、可选地,s3具体为:

19、根据连接关系和连接端点标识,按照固定端点顺序建立连接与两端已装节点之间的方向关联,将每条连接的第一端节点设为正向关联、第二端节点设为反向关联,形成连接端点方向关联矩阵;

20、根据连接端点方向关联矩阵,将连接新增约束方向相对偏差分量分别映射至对应连接的两端已装节点,并按照方向关联对映射至同一已装节点的连接新增约束方向相对偏差分量进行累加,形成节点新增约束偏差输入量;

21、根据相邻安装事件的安装事件时刻计算安装事件间隔,并根据当前安装事件涉及的设计节点坐标形成基础节点编码特征;

22、在连续时间动态图状态空间模型的第一状态空间层输入投影前,以节点新增约束偏差输入量替代节点三维安装偏差,并将节点新增约束偏差输入量与基础节点编码特征拼接,形成第一层输入累积特征;

23、对第一层输入累积特征执行输入投影并计算输入累积项,对第一状态空间层的历史记忆按照安装事件间隔执行连续时间状态转移,并将完成连续时间状态转移的历史记忆沿连接关系传播,将传播后的历史记忆与输入累积项相加形成第一层更新记忆,并经第二状态空间层更新形成连接关系偏差记忆状态。

24、可选地,s4具体为:

25、获取预定安装顺序,根据安装事件数据确定当前安装事件及截至当前安装事件已完成安装的已装节点;

26、按照预定安装顺序,从尚未安装且通过连接关系与已装节点相连的节点中,确定排序最前的节点为下一待装节点;

27、根据连接关系,筛选与下一待装节点相连且截至当前安装事件已完成安装的节点,确定下一待装节点相连已装节点;

28、按照节点标识读取下一待装节点相连已装节点的连接关系偏差记忆状态,将读取的连接关系偏差记忆状态依次进行线性映射和激活处理,并按照每条连接的固定端点顺序排列处理结果,形成下一待装节点偏差预测特征。

29、可选地,s5具体为:

30、根据连接关系,将下一待装节点偏差预测特征与下一待装节点的连接局部坐标轴方向逐连接匹配,将每条连接对应的下一待装节点偏差预测特征依次进行第一线性映射、激活处理和第二线性映射,形成连接局部偏差分量;

31、根据连接局部坐标轴方向,将连接局部偏差分量转换至节点实测坐标采用的坐标方向,形成每条连接对应的测量坐标偏差;

32、对同一下一待装节点的测量坐标偏差执行均值池化,形成三维方向分量,得到下一待装节点三维累计安装偏差。

33、可选地,s6具体为:

34、从设计节点坐标中提取下一待装节点在节点实测坐标所采用坐标方向上的设计节点坐标;

35、将下一待装节点三维累计安装偏差的各方向分量与设计节点坐标的同一方向分量逐方向相加,形成预测安装坐标;

36、将下一待装节点三维累计安装偏差和预测安装坐标与下一待装节点关联,输出下一待装节点三维累计安装偏差及预测安装坐标。

37、可选地,在同一连接的多个连接局部坐标轴方向于同一安装事件由未锁定状态转为锁定状态的情况下,将连接端点相对安装偏差分别投影至各新增约束方向,保留各新增约束方向对应的投影分量,将各投影分量分别沿对应的连接局部坐标轴方向恢复至节点实测坐标采用的坐标方向,并将恢复后的投影分量相加,形成连接新增约束方向相对偏差分量;

38、可选地,按照当前安装事件涉及的已装节点的节点标识,将节点新增约束偏差输入量与基础节点编码特征进行节点对应排列,将排列后的节点新增约束偏差输入量写入第一层输入累积特征中承载节点三维安装偏差的三维分量位置,并与同一节点的基础节点编码特征拼接,按照节点标识的排列顺序,将各节点的第一层输入累积特征输入第一状态空间层并执行输入投影。

39、可选地,将基础节点编码特征输入时间步投影,根据安装事件间隔形成第一层离散时间步,将第一状态空间层在前一安装事件形成的历史记忆确定为第一层历史记忆,根据第一层离散时间步对第一层历史记忆执行连续时间状态转移,并将完成连续时间状态转移的第一层历史记忆沿连接关系传播,形成第一层拓扑传播记忆,将第一层输入累积特征输入第一状态空间层的输入投影,根据输入投影结果、第一层离散时间步和连接关系计算第一层输入累积项,将第一层拓扑传播记忆与第一层输入累积项相加形成第一层更新记忆,将第一层更新记忆经激活处理后与基础节点编码特征相加形成第一层残差输出,并将第一层残差输出输入第二状态空间层,由第二状态空间层更新形成连接关系偏差记忆状态。

40、本发明的有益效果是:

41、(1)本发明提出一种改进的连续时间动态图状态空间模型安装偏差预测方法,将连接锁定状态变化引入偏差特征生成。比较相邻安装事件中各连接局部坐标轴方向的锁定状态,将由未锁定转为锁定的方向确定为新增约束方向;读取前一安装事件的节点三维安装偏差,按固定端点顺序形成连接端点相对安装偏差,投影至连接局部坐标轴方向,保留新增约束方向分量并恢复至测量坐标方向,形成连接新增约束方向相对偏差分量。由此,写入预测链路的偏差对象对应连接锁定时新增固定的端点相对安装偏差,可区分尚可调整的方向分量与已经锁定的方向分量,限定偏差记忆的物理来源。

42、(2)本发明提出一种连接级偏差向节点级状态输入转换的方法。根据连接端点标识和固定端点顺序建立连接端点方向关联矩阵,将连接新增约束方向相对偏差分量分别以正向和反向映射至两端节点,并对同一节点的分量进行有向累加,形成节点新增约束偏差输入量。在第一状态空间层输入投影前,将节点新增约束偏差输入量写入原来承载节点三维安装偏差的三维输入位置,并与基础节点编码特征拼接,使节点新增约束偏差输入量进入输入投影和输入累积项。该改进未增加独立预测分支,而是在既有状态写入环节完成单点嵌入,使新增锁定偏差随安装事件间隔演化、沿连接关系传播并由历史记忆承接。

43、(3)本发明提出一种面向异形钢结构分阶段安装的闭环预测方法。第一状态空间层和第二状态空间层按照连续时间状态转移、连接关系传播、输入累积、激活处理和残差相加的顺序形成连接关系偏差记忆状态,并按照节点标识写回记忆位置;根据预定安装顺序确定下一待装节点,从相连已装节点读取连接关系偏差记忆状态,经线性映射和激活处理形成逐连接的下一待装节点偏差预测特征,再将连接局部偏差分量按照连接局部坐标轴方向恢复至测量坐标方向并进行均值池化,形成下一待装节点三维累计安装偏差。下一待装节点三维累计安装偏差与设计节点坐标逐方向相加形成预测安装坐标,使安装事件数据、偏差记忆更新和待装节点坐标输出构成连续的数据处理闭环。