基于机器学习的混凝土模板支撑系统的设计方法

本发明涉及土木工程施工，尤其涉及一种基于机器学习的混凝土模板支撑系统的设计方法。

背景技术：

1、在现代异型薄壳建筑（如大跨度曲面穹顶、水下沉管隧道衬砌等）的施工中，通常需要在密闭或半密闭的模板空腔内，采用高压泵送的方式灌注高黏度的自密实混凝土。

2、传统的混凝土模板支撑系统设计方法，普遍建立在静态重力学的基础上。现有技术通常将浇筑完成后的混凝土整体重量作为唯一的向下均布荷载，进而设计出横平竖直、完全对称的支撑网架体系。然而，在受限的异型模腔内高压泵送混凝土时，混凝土实际上表现出复杂的非牛顿流体流变特性。高压泵送流体在狭窄模腔内流动、挤压与回流，会沿着模板内壁产生强烈的切向摩擦力（平行剪切应力），并在局部转角或顶板处产生巨大的垂直顶升力（局部扬压力）。传统纯抗压的对称网架结构由于缺乏抗拔（受拉）和抗侧向剪切的节点设计，在面对这种动态流体荷载时极易发生局部爆模或整体上浮破坏。

3、此外，虽然现有技术中存在部分采用深度学习进行结构拓扑优化的方案，但这些算法生成的异形支撑骨架往往是纯数学概率上的拟合，缺乏物理力学守恒定律的约束，且未能与国家建筑施工安全规范的强制性底线要求相挂钩，导致人工智能生成的方案在高度保守的建筑施工领域中面临合规审查无法通过、现实力学存在隐患的窘境。

技术实现思路

1、本发明旨在克服现有传统支撑系统仅基于静态重力设计而无法抵御高压泵送流体力学破坏的缺陷，提供一种基于机器学习的混凝土模板支撑系统的设计方法。所要解决的核心技术问题是：如何精准捕获受限空间内高压泵送混凝土产生的动态侧向剪切力与扬压力，并据此智能生成兼顾物理力学平衡与工程规范合规性的非对称抗拔、抗剪支撑拓扑图纸。

2、为了达到上述发明目的，本发明采用的技术方案为：一种基于机器学习的混凝土模板支撑系统的设计方法，由处理器执行，包括以下步骤：

3、获取目标模板系统的三维内腔拓扑数据、混凝土泵送压力序列以及非牛顿流体流变参数；

4、将所述三维内腔拓扑数据、所述混凝土泵送压力序列和所述非牛顿流体流变参数输入预先训练的生成对抗网络中的生成器，输出极端流场拓扑结构；

5、基于所述极端流场拓扑结构提取局部扬压力向量和平行剪切应力向量；

6、将所述局部扬压力向量和所述平行剪切应力向量输入所述生成对抗网络中的判别器，计算生成包含抗拔预埋件坐标参数与抗剪切斜向杆件坐标参数的非对称支撑部署方案；

7、基于预设的安全校验规则对所述非对称支撑部署方案进行验证，在验证通过后输出目标支撑系统图纸。

8、进一步地，将所述三维内腔拓扑数据、所述混凝土泵送压力序列和所述非牛顿流体流变参数输入预先训练的生成对抗网络中的生成器的步骤，包括：

9、基于所述三维内腔拓扑数据构建离散化网格模型；

10、基于所述离散化网格模型，在所述生成器中引入物理偏微分损失函数，结合内联公式计算动量守恒残差，其中为密度，为速度场，为压力场，为动力黏度；

11、利用所述动量守恒残差迭代更新网络权重，输出满足机理约束的所述极端流场拓扑结构。

12、进一步地，基于所述极端流场拓扑结构提取局部扬压力向量和平行剪切应力向量的步骤，包括：

13、提取所述极端流场拓扑结构在边界网格处的法向动量张量，将所述法向动量张量转换为向上的所述局部扬压力向量；

14、基于赫谢尔-巴尔克莱流变模型以及内联公式计算壁面摩擦应力矩阵，其中为屈服应力，为稠度系数，为剪切速率，为流变指数；

15、将所述壁面摩擦应力矩阵转换为所述平行剪切应力向量。

16、进一步地，在将所述局部扬压力向量和所述平行剪切应力向量输入所述生成对抗网络中的判别器，计算生成包含抗拔预埋件坐标参数与抗剪切斜向杆件坐标参数的非对称支撑部署方案，生成所述抗拔预埋件坐标参数的步骤，包括：

17、初始化具有正交结构的初始支撑拓扑矩阵；

18、将所述局部扬压力向量映射至所述初始支撑拓扑矩阵的受荷节点，结合预设的预设的预埋件极限承载力计算抗拔承载力差值矩阵；

19、提取所述抗拔承载力差值矩阵中大于零的目标受拉节点，在所述目标受拉节点处生成所述抗拔预埋件坐标参数。

20、进一步地，所述计算生成非对称支撑部署方案的步骤，还包括：

21、将所述平行剪切应力向量映射至所述初始支撑拓扑矩阵，计算各节点的侧向位移倾向分量；

22、识别所述侧向位移倾向分量超过刚度变形阈值的目标侧偏节点，在所述目标侧偏节点的相邻空间元内生成空间连接线向量；

23、对所述空间连接线向量进行匹配替换生成所述抗剪切斜向杆件坐标参数，并与所述抗拔预埋件坐标参数组合为所述非对称支撑部署方案。

24、进一步地，基于预设的安全校验规则对所述非对称支撑部署方案进行验证的步骤，包含底层物理校验流程：

25、根据所述非对称支撑部署方案构建结构刚度矩阵，将所述局部扬压力向量与所述平行剪切应力向量合成为外部荷载列向量；

26、基于内联公式执行有限元求解以计算形变位移场矩阵，其中为结构刚度矩阵，为外部荷载列向量，u为形变位移场矩阵；

27、在所述形变位移场矩阵的最大切应变数值小于预设极限阈值时，生成物理校验通过指令。

28、进一步地，所述验证的步骤还包含顶层合规校验流程：

29、响应于所述物理校验通过指令，提取关联的局部高危节点应力峰值矩阵；

30、利用预置的材料极限屈服强度除以所述局部高危节点应力峰值矩阵的各元素，计算实际安全系数矩阵；

31、在所述实际安全系数矩阵的最小元素大于建筑规范底线数据时，生成合规校验通过指令。

32、进一步地，所述混凝土泵送压力序列携带时间戳标签数据，还包括：

33、定位所述极端流场拓扑结构中对应各所述时间戳标签数据的局部扬压力峰值坐标点；

34、基于内联公式计算生成三维流体波阵面传播时序表，其中为波传播速度特征，st为t时刻的波阵面位置，s0为初始点；

35、将所述三维流体波阵面传播时序表映射至所述非对称支撑部署方案，输出时序加固预警文件。

36、进一步地，获取非牛顿流体流变参数的步骤，包括：

37、接收目标施工现场的拌合物温度矩阵与动态塌落度扩展数据；

38、将所述拌合物温度矩阵与所述动态塌落度扩展数据输入至预置的非线性流变支持向量机模型中；

39、利用径向基核函数进行映射计算，输出塑性黏度属性值和屈服应力属性值以组合为所述非牛顿流体流变参数。

40、进一步地，在验证通过后输出目标支撑系统图纸的步骤，包括：

41、解析所述非对称支撑部署方案提取三维空间坐标散点集合特征；

42、调取实体网格模型映射替换所述三维空间坐标散点集合特征，生成可视化设计模型；

43、对所述可视化设计模型执行正投影处理，生成带有参数化标注的二维目标支撑系统图纸。

44、本发明的有益效果为：

45、1、本发明通过引入三维内腔拓扑数据、混凝土泵送压力序列以及非牛顿流体流变参数，利用生成对抗网络中的生成器进行流体力学博弈演算，能够精准捕获受限模腔内部极其隐蔽的局部扬压力向量和平行剪切应力向量，从源头上认清了导致复杂模板破坏的真实流体动力学根源；

46、2、本发明利用判别器接收破坏力向量，该方法能够自动寻找薄弱节点，并在高危受力区定向生成包含抗拔预埋件坐标参数与抗剪切斜向杆件坐标参数的非对称支撑部署方案，极大降低了爆模风险并节省了非必要区域的材料堆砌；

47、3、本发明在输出最终图纸前，强制对非对称支撑部署方案执行基于安全校验规则的验证，确保了人工智能计算出的防线不仅在对抗博弈网络中成立，且绝对满足真实物理定律与建筑行业强条规范的底线限制，扫清了新设计方法在工程图审环节的合规障碍。