一种基于BiLSTM的输电塔地震响应预测及微观力学机制分析方法

本发明涉及输电杆塔抗震分析，特别是涉及一种基于bilstm的输电塔地震响应预测及微观力学机制分析方法。

背景技术：

1、随着特高压电网快速发展，输电线路抗震安全评估是能源防灾减灾核心研究方向，现有输电塔地震响应分析技术存在两类核心缺陷，具体如下：

2、传统有限元时程分析方法缺陷

3、工程主流采用abaqus等有限元软件开展输电塔地震动力时程计算，需先完成输电塔精细化建模、人工设置材料参数、边界条件、地震波输入、分步动力学求解；建模流程繁琐、人工建模效率低；隐式动力学求解极易出现计算不收敛、程序报错；完整地震时程计算耗时极长，大批量多地震强度工况下计算成本过高。

4、现有机器学习预测方案缺陷

5、现有基于神经网络的输电塔地震响应预测模型仅能实现关键节点加速度数值预测，属于纯“黑盒模型”，无法关联输电塔内部杆件、节点受力演化规律，不具备物理可解释性；且现有模型仅可输出少量应力集中节点响应，无法结合构件力学指标完成地震能量传播、响应叠加、局部放大等微观力学机制解析。

6、综上，现有技术同时存在有限元计算效率低、机器学习模型无物理力学解释、无法系统分析输电塔地震微观受力传递规律三重技术问题，亟待改进。

技术实现思路

1、为了克服现有技术的不足，本发明的目的是提供一种基于bilstm的输电塔地震响应预测及微观力学机制分析方法。

2、为实现上述目的，本发明采用的技术方案是：

3、本发明提供一种基于bilstm的输电塔地震响应预测及微观力学机制分析方法，包括以下步骤：

4、s1、构建输电塔有限元模型并生成多工况人工地震波加速度时程数据集；

5、s2、将所述人工地震波输入所述输电塔有限元模型开展动力学计算，筛选输电塔全域应力集中关键节点，提取各所述关键节点三向加速度响应原始数据；

6、s3、对所述人工地震波输入数据、所述关键节点加速度响应输出数据统一开展标准化、滑动窗口切分预处理，构建神经网络训练样本集；

7、s4、搭建贝叶斯优化调参的bilstm神经网络，以预处理后的地震波时程作为网络输入、预处理后关键节点加速度响应作为网络输出，完成模型训练，得到训练完成的地震响应预测模型；

8、s5、采用所述训练完成的地震响应预测模型输入全新地震波时程，输出输电塔全部关键节点三向加速度预测结果；

9、s6、融合有限元构件力学指标与bilstm输出的节点加速度预测结果，定量计算多维度力学量化指标，综合解析输电塔地震作用下微观力学传递机制。

10、进一步的，步骤s1中，构建输电塔有限元模型包括设置输电塔材料参数与塔腿全固定边界条件；生成人工地震波包括构造分段强度调制包络函数生成非平稳地震动，并匹配规范目标反应谱校正地震波频率成分。

11、进一步的，步骤s2中，筛选输电塔全域应力集中关键节点包括：将输电塔沿高度划分为底部、中部、顶部三段，每段提取应力最强的若干节点作为所述关键节点，再精细化动力学计算提取各关键节点三向加速度时序数据。

12、进一步的，步骤s3的数据预处理包括数据清洗、数据集划分、全局标准化、重叠滑动窗口切分；所述全局标准化仅采用训练集均值与标准差对全部数据进行归一化处理。

13、进一步的，步骤s4所述bilstm神经网络由正向lstm、反向lstm拼接双向时序特征，经全连接层输出多节点多向加速度响应；网络总损失函数同时包含时域误差项与频域误差项，通过频域误差权重调控两项误差占比。

14、进一步的，步骤s4所述贝叶斯优化调参过程包括：初始化多组超参数组合训练网络，以验证集总误差为优化目标，迭代更新超参数搜索区间，最终选取验证误差最小的超参数组合作为bilstm网络最终参数。

15、进一步的，步骤s6所述多维度力学量化指标包括构件应变、构件应力、构件轴力、构件应变能、构件能量占比、节点响应相关系数、节点响应传播时滞、节点响应放大系数；通过全部量化指标综合判定地震能量传播路径、局部应力集中、振动叠加放大微观力学规律。

16、进一步的，所述bilstm神经网络可替换为tcn、gru、transformer、pinn时序神经网络模型。

17、与现有技术相比，本发明所公开的技术方案，具有以下有益效果：

18、本发明仅通过有限元批量生成一次样本数据集，后续预测完全依靠 bilstm 神经网络，无需重复建模与动力学迭代求解，输入地震波即可瞬时输出节点加速度响应，大幅降低多工况地震分析计算时长，显著提升输电塔地震响应预测效率；

19、采用双向 lstm 同步读取地震波时序正向、反向振动特征，完整捕捉地震动非平稳时序规律；搭配贝叶斯优化自动遍历最优超参数组合，替代人工调参、网格搜索，减少无效训练，同时模型损失函数融合时域误差、频域误差双重约束，兼顾振动幅值与频率特征，相比单一 lstm、gru、tcn 等时序模型，节点加速度响应预测精度更高；

20、本发明将 bilstm 时序预测结果与有限元构件力学参数耦合，通过应变、应变能、节点时滞、响应放大系数等量化指标，定量揭示地震能量沿输电塔杆件的传播路径、局部应力集中、振动叠加放大规律，解决纯神经网络黑盒不可解释的技术痛点；

21、按底部、中部、顶部三层结构筛选应力最强节点，覆盖输电塔全高度区段，弥补现有模型仅局部节点预测、无法完整反映塔体全域地震响应的缺陷。

1.一种基于bilstm的输电塔地震响应预测及微观力学机制分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于bilstm的输电塔地震响应预测及微观力学机制分析方法，其特征在于，步骤s1中，构建输电塔有限元模型包括设置输电塔材料参数与塔腿全固定边界条件；生成人工地震波包括构造分段强度调制包络函数生成非平稳地震动，并匹配规范目标反应谱校正地震波频率成分。

3.根据权利要求1所述的基于bilstm的输电塔地震响应预测及微观力学机制分析方法，其特征在于，步骤s2中，筛选输电塔全域应力集中关键节点包括：将输电塔沿高度划分为底部、中部、顶部三段，每段提取应力最强的若干节点作为所述关键节点，再精细化动力学计算提取各关键节点三向加速度时序数据。

4.根据权利要求1所述的基于bilstm的输电塔地震响应预测及微观力学机制分析方法，其特征在于，步骤s3的数据预处理包括数据清洗、数据集划分、全局标准化、重叠滑动窗口切分；所述全局标准化仅采用训练集均值与标准差对全部数据进行归一化处理。

5.根据权利要求1所述的基于bilstm的输电塔地震响应预测及微观力学机制分析方法，其特征在于，步骤s4所述bilstm神经网络由正向lstm、反向lstm拼接双向时序特征，经全连接层输出多节点多向加速度响应；网络总损失函数同时包含时域误差项与频域误差项，通过频域误差权重调控两项误差占比。

6.根据权利要求1所述的基于bilstm的输电塔地震响应预测及微观力学机制分析方法，其特征在于，步骤s4所述贝叶斯优化调参过程包括：初始化多组超参数组合训练网络，以验证集总误差为优化目标，迭代更新超参数搜索区间，最终选取验证误差最小的超参数组合作为bilstm网络最终参数。

7.根据权利要求1所述的基于bilstm的输电塔地震响应预测及微观力学机制分析方法，其特征在于，步骤s6所述多维度力学量化指标包括构件应变、构件应力、构件轴力、构件应变能、构件能量占比、节点响应相关系数、节点响应传播时滞、节点响应放大系数；通过全部量化指标综合判定地震能量传播路径、局部应力集中、振动叠加放大微观力学规律。

8.根据权利要求1所述的基于bilstm的输电塔地震响应预测及微观力学机制分析方法，其特征在于，所述bilstm神经网络可替换为tcn、gru、transformer、pinn时序神经网络模型。