建筑结构群抗震性能评估方法

1.本发明涉及结构抗震安全评估领域，尤其涉及一种建筑结构群抗震性能评估方法。


背景技术：

2.随着城市化进程的加快，我国的人口、财富正在迅速向城市集中，城市建筑群规模不断扩大、结构形式日趋复杂、功能耦合愈加紧密。然而，随着服役年限的增长，在不利环境下既有结构性能劣化问题逐渐显现，结构抗震性能显著降低。一旦发生强烈地震，会引起城市建筑群的严重破坏和重大人员伤亡、财产损失。现有抗震安全评估技术尚存在监测数据单一、评估滞后等问题，无法对城市灾害风险进行实时评估。若能在地震发生前对建筑群震害分布进行预测，进而及时制定结构加固决策以提高重要建筑结构的抗震性能，能够最大限度减轻地震次生灾害。
3.智能高效获取结构信息是开展建筑群震害分布预测的关键，区域内建筑群结构类型多样且数目众多，传统检测主要以人工为主，不仅人力物力耗费高、工作效率低、且检测精度难以保障。近年来，遥感影像技术已广泛应用于地理信息获取，具有覆盖面广、时效性强、辨识度高等优点，可用于结构外观信息获取。然而，遥感图像尚难以对结构类型进行准确判别，结构类型的确定仍局限于主观判断。随着智能移动设备与人工智能技术的快速发展，发明人发现，若能通过智能传感采集图像并构建数据库，采用目标检测深度学习进行训练，可显著提高结构类型预测效率和准确性，且操作简单便捷。
4.发明人发现，相较于区域内建筑结构外观信息，由于建造年代久远、图纸丢失等原因，结构内部构造和材料等隐蔽信息难以直接获取。模糊理论通过选择易获取的关键信息，根据专家经验设置模糊规则，可对非直接信息进行模糊推理。然而，如何基于模糊理论对结构内部抗震构造等隐蔽信息进行推理仍需进一步探究。此外，相较于单体建筑，区域内不同建筑单体承受的地震动因所处位置和场地情况等不同而差异显著。因此，如何考虑空间位置和土层条件等影响，整合图像信息、模糊信息以及传感监测等多源数据对区域内结构群进行安全风险评估，成为城市建筑群智慧运维亟需解决的重大难题。


技术实现要素：

5.针对上述现有技术的不足之处，本发明提供了一种建筑结构群抗震性能评估方法，通过考虑空间位置和土层条件的影响，并整合图像信息、模糊信息以及传感监测等多源数据实现对区域内建筑结构群抗震性能评估。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种建筑结构群抗震性能评估方法，包括：
8.获取目标区域内每个单体建筑的外观图片，分别将其输入基于卷积神经网络构建的结构类型识别模型进行结构类型识别；
9.获取每个单体建筑的遥感图像并进行处理得到每个单体建筑的结构几何尺寸；
10.获取每个单体建筑的可调研信息，并结合其结构类型，基于模糊推理方法得到每个单体建筑的结构内部隐蔽信息；
11.基于每个单体建筑的结构类型、结构几何尺寸及结构内部隐蔽信息构建建筑结构群仿真模型；
12.根据场地类别以及地震强度信息，确定适用于目标区域的基岩地震功率谱，通过土层过滤传递函数，得到地表地震功率谱，进而建立目标区域地震动场模型；
13.结合建筑结构群仿真模型和目标区域地震动场模型建立建筑结构群地震动力学模型，通过地震响应分析计算每个单体建筑的地震响应，将其输入基于长短时记忆网络构建的最大层间位移角预测模型，得到每个单体建筑的最大层间位移角，并结合单体建筑破坏指标对建筑结构群震害分布进行评估。
14.进一步地，所述结构类型识别模型基于yolov5神经网络构建得到。
15.进一步地，所述模糊推理方法包括：
16.以建造年代作为可调研信息，以材料强度、构造措施、配筋情况作为结构内部隐蔽信息；
17.建立以建造年代、结构类型为输入，材料强度、构造措施、配筋情况为输出的双输入三输出模糊推理模型进行模糊推理。
18.进一步地，建造年代论域为[a，b]，单位为年，模糊语言变量为“早”和“晚”，隶属度函数为钟形，年份b大于年份a；结构类型论域为[1，8]，模糊语言变量为：砌体结构、框架结构、剪力墙结构、框架-剪力墙结构、框支结构、筒体结构、框筒结构、大跨结构共八种类型，其隶属度函数为三角形；材料强度论域为[1，5]，模糊语言变量为：低、中下、中等、中上、高共五种类型，其隶属度函数为三角形；构造措施论域为[0，1]，模糊语言变量为“存在”和“不存在”两种，隶属度函数为梯形；配筋措施论域为[0，1]，模糊语言变量为“未配筋”和“配筋”两种，隶属度函数为梯形。
[0019]
进一步地，所述目标区域地震动场模型通过如下方法建立：
[0020]
根据场地类别和地震强度信息生成目标区域基岩地震功率谱，考虑地震动由基岩向地表的传递效应，根据土层过滤传递函数得到目标区域内各目标点的地表功率谱，进而生成各目标点对应的地震动时程。
[0021]
进一步地，所述地表功率谱为：
[0022]
sg(ω)＝|hn(ω)|2×sn-1
(ω)＝|hn(ω)|2×
|h
n-1
(ω)|2×sn-2
(ω)＝
…
＝|hg(ω)|2×
sr(ω)
[0023][0024]
式中，ω表示频率；sg(ω)为地表地震功率谱；sr(ω)为与基岩地震功率谱；hi(ω)为每一层土的土层过滤传递函数，其表达式如下：
[0025][0026]
式中，ξi表示第i层土的能量传递耗散阻尼比，γi为第i层土的土层边界处反射系数，τi为地震波在第i层土的传播时间；γi和τi分别表示为：
[0027][0028]
τi＝hi/υi[0029]
式中，ρi表示第i层土的密度，υi表示地震波在第i层土的传播波速，hi表示第i层土的土层厚度。
[0030]
进一步地，所述最大层间位移角预测模型基于长短时记忆网络模型构建，以地震响应作为输入，以最大层间位移角作为输出，训练过程中采用粒子群算法对模型参数进行优化。
[0031]
进一步地，所述结合单体建筑破坏指标对建筑结构群震害分布进行评估，包括：
[0032]
基于建筑结构群地震动力学模型模拟目标区域发生不同强度地震的情形，得到不同地震强度下各单体建筑的最大层间位移角；
[0033]
将各单体建筑的最大层间位移角与单体建筑破坏指标规定的层间位移限值进行比较，将各单体建筑分级评定为完好、基本完好、轻微破坏、中等破坏、严重破坏、倒塌中的一种；
[0034]
将各单体建筑根据分级进行标定，得到目标区域不同地震强度下的建筑结构群震害分布。
[0035]
本发明提出了一种建筑结构群抗震性能评估方法，本发明包括结构信息获取、模糊信息推理、地震动场模拟及震害评估几个部分，通过遥感测量技术获取结构几何信息，利用训练好的结构类型识别模型基于建筑外观图片识别出建筑的结构类型；通过模糊推理将可调研信息转化为结构内部隐蔽信息；根据场地类别生成地震动，考虑目标区域单体建筑位置及土层信息构建立目标区域地震动场模型；对目标区域内单体建筑进行地震响应分析，将得到的地震响应输入训练好的最大层间位移角预测模型，预测每个单体建筑的最大层间位移角，然后结合单体建筑破坏指标对结构破坏等级进行评估，最终实现目标区域内建筑结构群震害分布预测。本发明可用于在地震发生前对建筑群震害分布进行预测，以便根据震害分布及时制定结构加固决策以提高重要建筑抗震性能，能够最大限度减轻地震次生灾害。本发明预测方法合理，计算效率高，推广性强，可广泛适用于城市建筑结构群抗震安全智能评估。
附图说明
[0036]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1是本发明实施例提供的一种建筑结构群抗震性能评估方法流程图。
具体实施方式
[0038]
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有
其它实施方式，都属于本发明所保护的范围。
[0039]
如图1所示，本发明实施例公开了一种建筑结构群抗震性能评估方法，包括：
[0040]
s1：获取目标区域内每个单体建筑的外观图片，分别将其输入基于卷积神经网络构建的结构类型识别模型进行结构类型识别。
[0041]
本实施例中，结构类型包括八种经典建筑结构类型：砌体结构、框架结构、剪力墙结构、框架-剪力墙结构、框支结构、筒体结构、框筒结构、大跨结构。预先通过采集大量包含上述八种经典建筑结构类型的单体建筑外观图片，构件训练集，将外观图片作为输入，将对应的结构类型作为输出，基于训练集，采用迁移学习方法对对yolov5神经网络模型参数进行冻结训练，训练好后得到结构类型识别模型。单体建筑的外观图片可通过手机或相机等拍摄手段拍摄得到。
[0042]
s2：获取每个单体建筑的遥感图像并进行处理得到每个单体建筑的结构几何尺寸。卫星遥感图像通过比例系数确定建筑外观尺寸，具体为：
[0043][0044]
s3：获取每个单体建筑的可调研信息，并结合其结构类型，基于模糊推理方法得到每个单体建筑的结构内部隐蔽信息。
[0045]
具体地，以建造年代作为可调研信息，以材料强度、构造措施、配筋情况作为结构内部隐蔽信息。从而建立以建造年代、结构类型为输入，材料强度、构造措施、配筋情况为输出的双输入三输出模糊推理模型进行模糊推理，通过模糊规则实现模糊信息向精确数值的转化。
[0046]
本实施例中，建造年代论域为[a，b]，单位为年，模糊语言变量为“早”和“晚”，隶属度函数为钟形，需说明的是，年份a和b可根据实际需要进行选择，如a可取1960、1965、1970等年份，b取2020、2021，甚至未来某一个阶段的年份；结构类型论域为[1，8]，模糊语言变量为：砌体结构、框架结构、剪力墙结构、框架-剪力墙结构、框支结构、筒体结构、框筒结构、大跨结构共八种类型，其隶属度函数为三角形；材料强度论域为[1，5]，模糊语言变量为：低、中下、中等、中上、高共五种类型，其隶属度函数为三角形；构造措施论域为[0，1]，模糊语言变量为“存在”和“不存在”两种，隶属度函数为梯形；配筋措施论域为[0，1]，模糊语言变量为“未配筋”和“配筋”两种，隶属度函数为梯形。
[0047]
s4：基于每个单体建筑的结构类型、结构几何尺寸及结构内部隐蔽信息构建建筑结构群仿真模型。
[0048]
s5：根据场地类别以及地震强度信息，确定适用于目标区域的基岩地震功率谱，通过土层过滤传递函数，得到地表地震功率谱，进而建立目标区域地震动场模型。
[0049]
具体地，首先根据目标区域场地类别建立路径效应函数和土层过滤传递函数，根据地震强度信息生成震源功率谱；然后根据震源功率谱和路径效应函数得到目标区域的基岩地震功率谱；最后根据基岩地震功率谱和土层过滤传递函数得到目标区域内各目标点的地表地震功率谱，进而生成各目标点对应的地震动时程。
[0050]
其中，地表地震功率谱可表示为：
[0051]
sg(ω)＝|hn(ω)|2×sn-1
(ω)＝|hn(ω)|2×
|h
n-1
(ω)|2×sn-2
(ω)＝
…
＝|hg(ω)|2×
sr(ω)
[0052][0053]
式中，ω表示频率；sg(ω)为地表地震功率谱；sr(ω)为与基岩地震功率谱；hi(ω)为每一层土的土层过滤传递函数，其表达式如下：
[0054][0055]
式中，ξi表示第i层土的能量传递耗散阻尼比，γi为第i层土的土层边界处反射系数，τi为地震波在第i层土的传播时间；γi和τi分别表示为：
[0056][0057]
τi＝hi/υi[0058]
式中，ρi表示第i层土的密度，i＝1,
…
,n，i＝1时为基岩土，n为土层总层数，υi表示地震波在第i层土的传播波速，hi表示第i层土的土层厚度。
[0059]
s6：结合建筑结构群仿真模型和目标区域地震动场模型建立建筑结构群地震动力学模型，通过地震响应分析计算每个单体建筑的地震响应，将其输入基于长短时记忆网络构建的最大层间位移角预测模型，得到每个单体建筑的最大层间位移角，并结合单体建筑破坏指标对建筑结构群震害分布进行评估。
[0060]
具体地，本实施例中，地震响应为加速度响应，通过地震加速度时程分析方法获得区域内不同单体建筑加速度响应，同时可通过下式计算结构层间位移角θ：
[0061][0062]
式中，δu为最大水平位移，h为层高。地震响应分析方法计算地震响应及最大层间位移角为现有技术，在此不再进行赘述。此处通过计算加速度响应及对应的最大层间位移角，可用于建立训练集用于最大层间位移角预测模型，后续可直接通过获取的加速度响应即可得到最大层间位移角。
[0063]
所述最大层间位移角预测模型基于长短时记忆网络模型构建，以加速度响应作为输入，以最大层间位移角作为输出，实现最大层位移角的预测。训练得到最大层间位移角预测模型过程中，采用粒子群算法主要对长短时记忆网络模型的学习率、序列长度和批次大小等参数进行优化，进而根据适应度函数确定最优模型参数。
[0064]
需要特别说明的是，在其他实施例中，步骤s6也可直接通过地震响应分析计算得到每个单体建筑的地震响应和最大层间位移角，然后直接根据每个单体建筑的最大层间位移角，并结合单体建筑破坏指标对建筑结构群震害分布进行评估。
[0065]
另外，还可基于上述方法建立的模型用于目标区域建筑结构群的实时震害分布预测，即可通过在目标区域的建筑结构群上安装加速度传感器以实现加速度响应实时监测，然后将其输入到最大层间位移角预测模型预测进行最大层间位移角预测，然后结合单体建筑破坏指标对建筑结构群震害分布进行评估。
[0066]
其中，结合单体建筑破坏指标对建筑结构群震害分布进行评估，包括：
[0067]
基于建筑结构群地震动力学模型模拟目标区域发生不同强度地震(包括多遇和罕遇的地震)的情形，得到不同地震强度下各单体建筑的最大层间位移角；
[0068]
将各单体建筑的最大层间位移角与单体建筑破坏指标规定的层间位移限值进行比较，将各单体建筑分级评定为完好、基本完好、轻微破坏、中等破坏、严重破坏、倒塌中的一种；
[0069]
将各单体建筑根据分级进行标定，得到目标区域不同地震强度下的建筑结构群震害分布。
[0070]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
[0071]
本发明提供的建筑结构群抗震性能评估方案，包括结构信息获取、模糊信息推理、地震动场模拟及震害评估四个部分。通过遥感测量技术获取结构几何信息，利用手机或相机等获取典型结构类型图片并构建数据库，采用多重改进yolov5和迁移学习训练模型并识别建筑结构类型；建立可调研信息和隐蔽信息的隶属度函数，通过模糊推理将可调研信息转化为隐蔽信息；根据场地类别生成地震动，考虑区域内不同类型单体建筑位置及土层信息构建结构群空间地震动场模型；对目标区域内单体建筑进行地震响应分析，构建加速度响应和最大层间位移角匹配数据库，基于长短时记忆网络模型对数据进行训练并实现地震损伤实时预测，依据单体建筑破坏指标规定的层间位移限值对结构破坏等级进行评估，最终实现区域内多类型结构多遇及罕遇震害分布预测。本发明预测方法合理，计算效率高，推广性强，可广泛适用于城市建筑结构群抗震安全智能评估。
[0072]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。