混凝土构件早期应变预测方法、设备、介质及程序产品

摘要: 本发明涉及结构健康监测领域,具体涉及一种混凝土构件早期应变预测方法、设备、介质及程序产品。背景技术:1、大体积混凝土在浇筑后的早龄期阶段,水泥水化反应会释放大量...
混凝土构件早期应变预测方法、设备、介质及程序产品

本发明涉及结构健康监测领域,具体涉及一种混凝土构件早期应变预测方法、设备、介质及程序产品。

背景技术:

1、大体积混凝土在浇筑后的早龄期阶段,水泥水化反应会释放大量热量,导致构件内部产生显著的温度梯度。这种温度梯度驱动结构产生温度变形,当由此产生的约束应变超过混凝土的极限拉伸应变时,极易萌生温度裂缝,从而严重威胁地铁车站等地下构筑物的施工质量与长期运营安全。因此,实现施工期温度-应变的超前、精准预测,是进行混凝土温度裂缝主动防控的关键技术前提。

2、目前,针对大体积混凝土应变预测的技术方案主要可分为以下三类:

3、(1)基于数值仿真的温度场-应力场分析方法。

4、现有技术普遍采用有限元软件对混凝土水化热温度场与应力场进行三维瞬态热-力耦合分析,通过仿真计算获取温度分布与应力极值,据此确定温控阈值。然而,该类方法存在以下明显缺陷:精细化建模工作量庞大,边界条件难以精确确定,且材料热工参数具有较高的不确定性;此外,单次有限元仿真计算耗时较长,难以满足施工现场对实时监测与快速预测的工程需求。

5、(2)基于传统机器学习的预测方法。

6、近年来,部分研究将xgboost、随机森林、支持向量回归等传统机器学习算法引入混凝土温度与应变预测领域,通过人工特征工程构建温度-应变的映射关系。该类方法虽然计算效率较高,但存在明显的局限性:其特征工程严重依赖专家人工经验,且模型本身缺乏时序记忆机制,难以充分利用温度历史序列中的动态演化信息,导致对温度-应变复杂非线性耦合过程的刻画能力严重不足。

7、(3)基于深度时序模型的预测方法。

8、以长短期记忆网络(lstm)和门控循环单元(gru)为代表的深度时序模型已被初步应用于混凝土结构响应预测。例如,有研究利用lstm实现了结构动力响应的实时预测与损伤检测;也有研究提出基于gru的混凝土结构剩余使用寿命预测框架,验证了其在捕捉损伤累积时序特征方面的优越性。

9、然而,现有的深度时序模型在实际工程应用中仍存在以下不足:

10、(1)标准深度时序模型在设计之初多面向通用预测任务,其输入通常仅采用单点独立的温度序列,忽略了不同深度测点间天然存在的热传导耦合关系,割裂了多深度层位信息的互补优势;

11、(2)现有模型对温度梯度这类表征热流传递方向与强度的核心物理特征挖掘不充分,层间热传导耦合关系的建模完全依赖网络从数据中隐式学习,物理机理嵌入不足,模型可解释性差;

12、(3)现有模型多采用单层时序网络架构,感受野受限,难以同步刻画拆模温降突变与水化热长期衰减等多尺度时序特征,导致在温度突变工况下的应变预测稳定性较差。

技术实现思路

1、本发明提供了一种混凝土构件早期应变预测方法、设备、介质及程序产品。

2、根据本发明的一个方面,提供了一种混凝土构件早期应变预测方法,包括:获取混凝土构件在浇筑后一段时间内在厚度方向上的位于表面、中部和内部的三个深度位置处的温度数据和应变数据,其中,一段时间属于浇筑后的早期阶段,覆盖混凝土构件浇筑后的水化升温期、恒温期与降温期全过程;根据温度数据和应变数据,通过滑动窗口法构建训练集,并对训练集中的各训练样本进行数据增强处理;训练集中的每个训练样本包括由l个时刻的温度数据组成的温度序列、以及由l个时刻之后未来第h个时刻的应变数据,其中,l表示时间长度,h表示时刻序号,l个时刻包含混凝土构件浇筑后的水化升温期、恒温期与降温期对应的时刻,第h个时刻属于早期阶段中降温期之后的时刻,温度序列作为模型输入,应变数据作为温度序列的标签;数据增强处理包括:在保持温度数据与应变数据的物理对应关系不变的条件下,对训练样本中的温度序列进行乘性缩放和加性噪声处理;构建混凝土早期应变预测模型并通过训练集进行训练,其中,混凝土早期应变预测模型执行以下操作:通过双层时序编码器对输入的温度序列进行特征编码,得到时序编码特征;根据傅里叶热传导定律,对输入的温度序列中包含的三个深度位置的温度数据进行两两差分运算,得到表面与中部、中部与内部、表面与内部三个层间温度梯度;分别计算三个层间温度梯度在时间窗口l内的均值与标准差,构造包含6个维度的梯度统计特征向量;其中,均值表征时间窗口内层间温度梯度的平均热流累积状态,标准差表征温度梯度的动态波动特征;将梯度统计特征向量通过全连接网络进行投影,得到梯度投影特征;将时序编码特征与梯度投影特征进行拼接,并将拼接结果通过融合多层感知机映射为融合特征;将融合特征输入应变预测头,通过多输出全连接网络同步输出表面、中部和内部三个深度位置的应变预测值;基于训练后的混凝土早期应变预测模型,根据待预测时刻之前的温度序列,对混凝土构件在待预测时刻的应变数据进行预测,其中,待预测时刻属于早期阶段中降温期之后的时刻。

3、根据本发明的至少一个实施方式的混凝土构件早期应变预测方法,根据温度数据和应变数据通过滑动窗口法构建训练集之前,还包括对温度数据和应变数据进行预处理,预处理包括:时间序列对齐处理、缺失值填充、异常值剔除和传感器通道质量筛选。

4、根据本发明的至少一个实施方式的混凝土构件早期应变预测方法,通过双层时序编码器对输入的温度序列进行特征编码,得到时序编码特征,包括:双层时序编码器中的第一层门控循环单元对温度序列进行特征提取,得到局部时序特征;第二层门控循环单元对局部时序特征在高阶语义层面进行抽象全局演化,得到时序编码特征。

5、根据本发明的至少一个实施方式的混凝土构件早期应变预测方法,模型训练时的损失函数采用均方误差。

6、根据本发明的至少一个实施方式的混凝土构件早期应变预测方法,对温度序列进行乘性缩放和加性噪声处理,包括:对温度序列施加服从均匀分布的随机缩放因子进行乘性缩放,随机缩放因子的取值范围为[0.9, 1.1];在乘性缩放后的温度序列上添加服从高斯分布的随机噪声进行加性噪声处理,高斯分布的均值为0,标准差为0.02。

7、根据本发明的至少一个实施方式的混凝土构件早期应变预测方法,应变预测头包括依次连接的两层全连接网络,且在两层全连接网络之间及输出端均设有层归一化模块和随机失活模块。

8、根据本发明的另一方面,提供了一种电子设备,包括:存储器,所述存储器存储执行指令;以及处理器,所述处理器执行所述存储器存储的执行指令,使得所述处理器执行本发明任一实施方式的混凝土构件早期应变预测方法。

9、根据本发明的再一方面,提供了一种可读存储介质,所述可读存储介质中存储有执行指令,所述执行指令被处理器执行时用于实现本发明任一实施方式的混凝土构件早期应变预测方法。

10、根据本发明的又一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本发明任一实施方式的混凝土构件早期应变预测方法。

11、本发明通过将基于傅里叶热传导定律的深度梯度物理特征与双层时序特征相融合,并采用多深度联合预测架构与物理一致性数据增强策略,有效克服了现有模型物理机理缺失及多深度信息割裂的缺陷,实现了大体积混凝土多深度应变的高精度、物理自洽同步预测。