一种振动响应的预测方法、预测装置以及预测系统

摘要: 本技术涉及振动监测,具体而言,涉及一种振动响应的预测方法、预测装置以及预测系统。背景技术:1、随着城市化快速发展,地铁上盖及邻近建筑不可避免地受到地铁运行引起的...
一种振动响应的预测方法、预测装置以及预测系统

本技术涉及振动监测,具体而言,涉及一种振动响应的预测方法、预测装置以及预测系统。

背景技术:

1、随着城市化快速发展,地铁上盖及邻近建筑不可避免地受到地铁运行引起的环境振动影响。地铁运行时激发的隧道振动会经过土层传播,进而引起周边建筑物的振动。

2、地铁列车运行产生的振动通过轨道-隧道-土体-建筑结构传递至楼面,一方面长期振动会导致室内人员出现疲劳、烦躁等不适,且可能影响精密设备运行。另一方面,长期振动荷载可能加剧结构构件疲劳损伤。

技术实现思路

1、本技术的目的在于一种振动响应的预测方法、预测装置以及预测系统,解决了现有技术中地铁列车运行产生的振动降低地面上的建筑室内人员的舒适度以及加剧地面上的结构的疲劳损伤的技术问题。

2、作为本技术的第一方面,本技术提供了一种地铁运行导致建筑的振动响应的预测方法,包括:

3、基于有限元仿真分析软件,根据目标评估建筑的结构参数,构建关于地基与所述目标评估建筑之间的耦合动力学模型;

4、根据所述地铁经过地铁轨道时地表的模拟振动波时域信号以及实测振动波时域信号,对所述耦合动力学模型进行验证,并根据验证结果构建训练数据,所述训练数据包括地表的参考振动波特性的数值、目标评估建筑的参考结构特性的数值以及目标楼层的振动响应数据;

5、根据所述训练数据集对随机森林回归模型进行训练,得到训练完成的随机森林回归模型、地表的目标振动波特性以及目标评估建筑的目标结构特性;

6、获取地铁经过地铁轨道时地表的当前目标振动波特性的数值、所述目标评估建筑的当前目标结构特性的数值;

7、将所述当前目标振动波特性的数值以及所述当前目标结构特性的数值输入至所述随机森林回归模型中进行计算,得到所述目标楼层的当前振动响应数据,所述当前振动响应数据包括z振级别以及楼板加速度峰值。

8、在本技术一实施例中,所述获取地铁经过地铁轨道时地表的当前目标振动波特性的数值、所述目标评估建筑的当前目标结构特性的数值,包括:

9、获取地铁经过地铁轨道时地表的当前第一振动波时域信号、列车经过所述地铁轨道时目标评估建筑结构的当前第二振动波时域信号;

10、根据所述当前第一振动波时域信号确定当前第一振动加速度时程;

11、基于地表的目标振动波特性,在所述当前振动加速度时程中解析目标振动波特性的当前目标振动波特性的数值;

12、根据所述当前第二振动波时域信号确定当前第二振动加速度时程;

13、根据所述当前第一振动加速度时程以及所述当前第二振动加速度时程,构建机器学习预测模型;

14、根据所述预测模型识别所述目标评估建筑的当前目标结构特性的数值。

15、在本技术一实施例中,所述获取地铁经过地铁轨道时地表的当前目标振动波特性的数值、所述目标评估建筑的当前目标结构特性的数值,包括:

16、获取地铁经过地铁轨道时地表的当前第一振动波时域信号、列车经过所述地铁轨道时目标评估建筑结构的当前第二振动波时域信号;

17、根据所述当前第一振动波时域信号确定当前第一振动加速度时程;

18、基于地表的目标振动波特性,在所述当前振动加速度时程中解析目标振动波特性的当前目标振动波特性的数值;

19、基于有限元仿真分析软件,根据目标评估建筑的结构参数构建目标评估建筑的有限元模型;

20、基于所述当前第一振动波时域信号,对所述有限元模型进行模拟计算,得到所述目标评估建筑的当前目标结构特性的数值。

21、在本技术一实施例中,所述根据所述训练数据集对随机森林回归模型进行训练,包括:

22、根据所述训练数据输入至所述随机森林回归模型进行计算,得到目标评估建筑的目标楼层的预测振动响应数据;

23、根据所述目标楼层的预测振动响应数据以及所述训练数据中的振动响应数据,计算均方误差增幅;

24、基于渐进式降维策略,剔除对振动响应数据的贡献度最小的参考振动波特性和/或参考结构特性,直至均方误差增幅大于预设增幅或者参考振动波特性的数量为第一预设数量或参考结构特性的数量为第二预设数量。

25、在本技术一实施例中,所述根据所述地铁经过地铁轨道时地表的模拟振动波时域信号以及实测振动波时域信号,对所述耦合动力学模型进行验证,并根据验证结果构建训练数据,包括:

26、基于所述地铁经过地铁轨道时地表的模拟振动波时域信号,对所述耦合动力学模型进行模拟计算,得到目标评估建筑的模拟振动响应数据;

27、根据所述地铁经过地铁轨道时地表的实测振动波时域信号确定所述目标评估建筑的实测振动响应数据;

28、根据所述模拟振动响应数据以及所述实测振动响应数据对所述耦合动力学模型进行模型验证,并根据模型验证结果数据筛选影响振动响应数据的地表的参考振动波特性以及目标评估建筑的参考结构特性;

29、根据地表的参考振动波特性的数值、目标评估建筑的参考结构特性的数值以及振动响应数据,构建训练数据。

30、在本技术一实施例中,所述预测方法,还包括:

31、根据所述目标楼层的当前振动响应数据以及所述目标楼层的位置参数,确定所述目标楼层的舒适度等级。

32、在本技术一实施例中,所述目标振动波特性包括:加速度、加速度均值、有效峰值加速度、峰值加速度、加速度强度、速度、最大峰值速度、速度强度、强度峰值、位移峰值。

33、在本技术一实施例中,所述目标结构特性包括:结构类型、结构总层数、目标楼板所在楼层、一阶竖向自振周期。

34、作为本技术的第二方面,本技术还提供了一种振动强度的预测装置,包括:

35、有限元分析软件,用于根据目标评估建筑的结构参数,构建关于地基与所述目标评估建筑之间的耦合动力学模型;

36、模型验证模块,用于根据所述地铁经过地铁轨道时地表的模拟振动波时域信号以及实测振动波时域信号,对所述耦合动力学模型进行验证,并根据验证结果构建训练数据,所述训练数据包括地表的参考振动波特性的数值、目标评估建筑的参考结构特性的数值以及目标楼层的振动响应数据;

37、训练模块,用于根据所述训练数据集对随机森林回归模型进行训练,得到训练完成的随机森林回归模型、地表的目标振动波特性以及目标评估建筑的目标结构特性;

38、数据获取模块,用于获取地铁经过地铁轨道时地表的当前目标振动波特性的数值、所述目标评估建筑的当前目标结构特性的数值;

39、随机森林回归模型,用于对所述当前目标振动波特性的数值以及所述当前目标结构特性的数值进行计算,得到所述目标楼层的当前振动响应数据,所述当前振动响应数据包括z振级别以及楼板加速度峰值。

40、作为本技术的第二方面,本技术还提供了一种振动强度的预测系统,包括:

41、多个第一加速度传感器,多个第一加速度传感器沿着地铁轨道垂直的纵向设置,用于采集列车经过所述地铁轨道时地表的第一振动波时域信号;

42、多个第二加速度传感器,多个第二加速度传感器分别设置在目标评估建筑结构的顶层,用于采集所述列车经过所述地铁轨道时目标评估建筑结构的第二振动波时域信号;

43、上述所述的预测装置;

44、其中,所述预测装置与所述第一加速度传感器以及所述第二加速度传感器连接。

45、本技术提供的一种地铁运行导致建筑的振动响应的预测方法,首先构建关于地铁轨道与目标评估建筑之间的耦合动力学模型,然后根据实测振动波时域信号对耦合动力学模型进行数值模拟并验证,根据验证结果确定训练数据,根据训练数据训练随机森林回归模型,实现了基于“现场实测-数值模拟-机器学习”的模式评估地铁运行导致的地表振动、目标评估建筑的结构易损性以及人体舒适度所产生的影响,提高了预测精度,且计算效率大幅提高。另外,在实际应用中,实时采集地铁经过地铁轨道时地表的当前目标振动波特性的数值、目标评估建筑的当前目标结构特性的数值,并输入至训练完成的随机森林回归模型中进行计算,以得到目标评估建筑的当前振动响应数据,可根据当前振动响应数据确定对应的减振措施,可直接支持减振设计。