一种数据与物理融合的水泥混凝土路面疲劳可靠度计算方法

本技术涉及道路工程，特别是涉及一种数据与物理融合的水泥混凝土路面疲劳可靠度计算方法。

背景技术：

1、随着道路交通事业的快速发展，水泥混凝土路面因其承载力强、耐久性好、使用寿命长等优势，在高等级公路、机场跑道、港口码头等重载交通场景中得到广泛应用。水泥混凝土路面长期承受车辆荷载与环境因素的共同作用，极易产生疲劳开裂、断板等结构性问题，严重影响行车安全与服役寿命。

2、相关技术中，面对各种道路情况，仅能基于经验公式或确定性力学模型，将材料参数、结构尺寸及交通荷载作为固定值，引入经验安全系数进行路面可靠度性能评估，导致确定出的路面可靠度准确性较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种数据与物理融合的水泥混凝土路面疲劳可靠度计算方法。

2、第一方面，本技术提供了一种数据与物理融合的水泥混凝土路面疲劳可靠度计算方法，包括：

3、根据目标道路在目标时间段内的轴载数据及环境数据进行预测，得到在预测时间段内的各温载数据；

4、针对所述目标道路的每组结构参数，利用预训练的目标网络模型对目标数据集进行处理，生成所述结构参数对应的应力映射表，所述目标数据集是基于所述结构参数与多种工况数据进行组合得到的，所述应力映射表用于表征结构参数与工况数据对应的应力值；

5、根据所述应力映射表，确定各所述温载数据对应的目标应力数据，根据各所述目标应力数据及疲劳寿命预测模型，确定所述结构参数对应的疲劳失效预测结果；

6、根据各所述结构参数对应的疲劳失效预测结果，确定所述目标道路的可靠度评估结果。

7、在其中一个实施例中，所述目标时间段中包括多个历史时间单元，所述预测时间段内包括多个预测时间单元，所述根据目标道路在目标时间段内的轴载数据及环境数据进行预测，得到在预测时间段内的各温载数据，包括：

8、对所述轴载数据进行统计分析，确定在各所述历史时间单元内各轴载区间内的历史轴次；

9、根据各所述轴载区间内的历史轴次及所述预测时间段内的交通增长数据，确定在各所述预测时间单元的目标轴次；

10、在各所述预测时间单元内，对所述目标轴次和各所述历史轴次进行处理，确定对应的目标轴载数据，并对所述目标轴次和温度梯度分布函数进行处理，确定对应的第一预测温度梯度及第二预测温度梯度；

11、将各所述预测时间单元的目标轴载数据、第一预测温度梯度及第二预测温度梯度进行融合处理，构建温载数据。

12、在其中一个实施例中，所述对所述目标轴次和各所述历史轴次进行处理，确定对应的目标轴载数据，包括：

13、将各所述轴载区间内的历史轴次与所属历史时间单元内总历史轴次的比值，确定为所述历史时间单元内各轴载区间对应的概率数据；

14、将各所述概率数据与所述目标轴次进行融合处理，确定各所述预测时间单元的目标轴载数据。

15、在其中一个实施例中，所述对所述目标轴次和温度梯度分布函数进行处理，确定对应的第一预测温度梯度及第二预测温度梯度，包括：

16、以所述目标轴次为抽样次数，根据所述温度梯度分布函数进行抽样处理，确定第一预测温度梯度；

17、在各所述第一预测温度梯度对应的历史温度梯度中进行抽样处理，确定对应的第二预测温度梯度。

18、在其中一个实施例中，所述环境数据包括历史气象数据及历史太阳辐射数据，在所述对所述目标轴次和温度梯度分布函数进行处理，确定对应的第一预测温度梯度及第二预测温度梯度的步骤之前，所述方法还包括：

19、利用温度传递模型，对所述历史气象数据及所述历史太阳辐射数据进行处理，确定所述目标道路在各历史时刻的温度分布数据；

20、对各所述历史时刻的温度分布数据进行处理，确定各所述历史时间单元的第一历史温度梯度及第二历史温度梯度；

21、对各所述第一历史温度梯度进行统计分析，确定各所述历史时间单元对应的温度梯度分布函数。

22、在其中一个实施例中，所述应力映射表包括第一应力映射表及第二应力映射表，所述目标应力数据包括第一目标应力数据及第二目标应力数据，所述根据所述应力映射表，确定各所述温载数据对应的目标应力数据，包括：

23、基于各所述温载数据，在所述第一应力映射表中进行检索，确定对应的第一目标应力数据；

24、基于各所述温载数据中的温度梯度数据，在所述第二应力映射表中进行检索，确定对应的第二目标应力数据。

25、在其中一个实施例中，所述根据各所述目标应力数据及疲劳寿命预测模型，确定所述结构参数对应的疲劳失效预测结果，包括：

26、利用所述疲劳寿命预测模型，对所述第一目标应力数据及所述第二目标应力数据进行处理，确定所述温载数据的理论疲劳寿命；

27、根据所述理论疲劳寿命及对应的温载数据在所述预测时间段内的出现次数，确定所述温载数据的疲劳损伤数据；

28、将所述结构参数中各温载数据对应的疲劳损伤数据进行叠加，确定疲劳累积损伤数据；

29、根据所述疲劳累积损伤数据与预设阈值间的关系，确定所述结构参数对应的疲劳失效预测结果。

30、在其中一个实施例中，所述根据各所述结构参数对应的疲劳失效预测结果，确定所述目标道路的可靠度评估结果，包括：

31、统计所述结构参数中，疲劳失效预测结果为发生疲劳失效的目标数量；

32、将所述目标数量与所述结构参数的总数量的比值，确定为所述目标道路的疲劳失效概率，并基于各所述疲劳失效概率确定可靠度评估结果。

33、在其中一个实施例中，在所述利用预训练的目标网络模型对目标数据集进行处理的步骤之前，所述方法还包括：

34、获取样本数据集，所述样本数据集中包括多条样本数据，每条所述样本数据为基于样本结构参数与多种样本工况数据进行组合得到的；

35、利用所述目标道路的有限元模型对样本数据集进行处理，得到真实应力数据；

36、利用待训练的网络模型对各所述样本数据进行处理，得到预测应力数据；

37、基于所述真实应力数据与所述真实应力数据间的差异，对所述待训练的网络模型进行训练，得到预训练的目标网络模型。

38、第二方面，本技术还提供了一种数据与物理融合的水泥混凝土路面疲劳可靠度计算装置，包括：

39、预测模块，用于根据目标道路在目标时间段内的轴载数据及环境数据进行预测，得到在预测时间段内的各温载数据；

40、生成模块，用于针对所述目标道路的每组结构参数，利用预训练的目标网络模型对目标数据集进行处理，生成所述结构参数对应的应力映射表，所述目标数据集是基于所述结构参数与多种工况数据进行组合得到的，所述应力映射表用于表征结构参数与工况数据对应的应力值；

41、第一确定模块，用于根据所述应力映射表，确定各所述温载数据对应的目标应力数据，根据各所述目标应力数据及疲劳寿命预测模型，确定所述结构参数对应的疲劳失效预测结果；

42、第二确定模块，用于根据各所述结构参数对应的疲劳失效预测结果，确定所述目标道路的可靠度评估结果。

43、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

44、根据目标道路在目标时间段内的轴载数据及环境数据进行预测，得到在预测时间段内的各温载数据；

45、针对所述目标道路的每组结构参数，利用预训练的目标网络模型对目标数据集进行处理，生成所述结构参数对应的应力映射表，所述目标数据集是基于所述结构参数与多种工况数据进行组合得到的，所述应力映射表用于表征结构参数与工况数据对应的应力值；

46、根据所述应力映射表，确定各所述温载数据对应的目标应力数据，根据各所述目标应力数据及疲劳寿命预测模型，确定所述结构参数对应的疲劳失效预测结果；

47、根据各所述结构参数对应的疲劳失效预测结果，确定所述目标道路的可靠度评估结果。

48、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

49、根据目标道路在目标时间段内的轴载数据及环境数据进行预测，得到在预测时间段内的各温载数据；

50、针对所述目标道路的每组结构参数，利用预训练的目标网络模型对目标数据集进行处理，生成所述结构参数对应的应力映射表，所述目标数据集是基于所述结构参数与多种工况数据进行组合得到的，所述应力映射表用于表征结构参数与工况数据对应的应力值；

51、根据所述应力映射表，确定各所述温载数据对应的目标应力数据，根据各所述目标应力数据及疲劳寿命预测模型，确定所述结构参数对应的疲劳失效预测结果；

52、根据各所述结构参数对应的疲劳失效预测结果，确定所述目标道路的可靠度评估结果。

53、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

54、根据目标道路在目标时间段内的轴载数据及环境数据进行预测，得到在预测时间段内的各温载数据；

55、针对所述目标道路的每组结构参数，利用预训练的目标网络模型对目标数据集进行处理，生成所述结构参数对应的应力映射表，所述目标数据集是基于所述结构参数与多种工况数据进行组合得到的，所述应力映射表用于表征结构参数与工况数据对应的应力值；

56、根据所述应力映射表，确定各所述温载数据对应的目标应力数据，根据各所述目标应力数据及疲劳寿命预测模型，确定所述结构参数对应的疲劳失效预测结果；

57、根据各所述结构参数对应的疲劳失效预测结果，确定所述目标道路的可靠度评估结果。

58、上述数据与物理融合的水泥混凝土路面疲劳可靠度计算方法，可以先根据目标道路在目标时间段内的轴载数据及环境数据进行预测，得到在预测时间段内的各温载数据，之后针对目标道路的每组结构参数，利用预训练的目标网络模型对目标数据集进行处理，生成结构参数对应的应力映射表，目标数据集是基于结构参数与多种工况数据进行组合得到的，应力映射表用于表征结构参数与工况数据对应的应力值，再根据应力映射表，确定各温载数据对应的目标应力数据，根据各目标应力数据及疲劳寿命预测模型，确定结构参数对应的疲劳失效预测结果，之后可以根据各结构参数对应的疲劳失效预测结果，确定目标道路的可靠度评估结果。由此，基于目标时间段内的统计规律，可以生成预测时间段内的荷载与温度耦合的温载数据，再通过随机生成的多组结构参数，结合目标网络模型构建覆盖全部可能工况的应力映射表，之后基于应力映射表进行疲劳寿命预测，并对各组结构参数的疲劳失效预测结果进行统计，从而确定目标道路的可靠度评估结果，在上述过程中，充分考虑到了结构参数随机性、荷载与温度协同效应对路面疲劳性能的影响，通过利用应力映射表确定目标应力数据，有效避免了大规模随机模拟对计算资源的限制，从而有效提高了路面疲劳可靠度评估结果的计算效率与准确性。