欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023110553861
申请人: 成都理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于旗鱼算法与人工神经网络调整桥梁扣索索力的方法,其特征在于,包括以下步骤:步骤1:通过Midas有限元软件,根据钢管混凝土拱桥的具体参数建立精确的有限元模型;

步骤2:在有限元模型中,加入施工过程中可能出现的因素,包括施工序列和工况变化,以增强模型的真实性和准确性;

步骤3:确定扣索索力、材料特性及几何参数的概率分布特征为正态分布,并进行蒙特卡洛抽样;

步骤4:将抽样得到的扣索索力、材料特性及几何参数样本作为输入,进行有限元模型分析,用于计算出相应的线形偏差;

步骤5:设计并构建包括一个输入层、两个隐藏层和一个输出层的ANN深度学习模型,输入层用于输入扣索索力、材料特性及几何参数数据,输出层用于输出线形偏差平方和;表示如下:其中,x表示输入数据,即扣索索力、材料特性及

几何参数的向量; 表示关于输入数据x的模型输出; 是激活函数,W1和W2分别代表隐藏层和输出层的权重,b1和b2分别代表隐藏层和输出层的偏差;

步骤6:将扣索索力、材料特性、几何参数和线形偏差数据输入到ANN深度学习模型中,配置训练参数,并进行训练,使ANN深度学习模型学习并掌握扣索索力与线形偏差间的映射关系;

步骤7:利用旗鱼算法在训练好的ANN深度学习模型中进行扣索索力优化,并生成初始的旗鱼种群;

所述步骤7具体包括:

步骤7.1:定义旗鱼优化算法的参数

包括两个种群:对应于捕食的旗鱼群体的扣索索力组合1、对应于被捕食的沙丁鱼群体的扣索索力组合2;以及扣索索力组合1的个体数量N1、扣索索力组合2的个体数量N2、预设的最大迭代次数T、问题的维度D、扣索索力组合1的捕食系数A和预设的控制参数epsilon;

步骤7.2:初始化两个种群的个体位置,并使用目标函数计算每个个体的适应度;

步骤7.3:找出两个种群中适应度值最小,即线形偏差平方和最小的个体,作为两个种群的最优个体步骤8:模拟旗鱼预猎、尾追、群追和突围的行为,在扣索索力取值范围的解空间中进行搜索,通过适应度函数评估各个解的优劣;通过突围机制保留优良解并丢弃线形拟合不良的解,最终达到收敛,找到能使线形偏差最小的扣索索力;

所述步骤8具体包括:

步骤8.1:复制两组扣索索力组合的信息,然后计算当前扣索索力组合1占总种群的比例PD;

步骤8.2:更新扣索索力组合1的个体位置,并将新位置的个体适应度值与原位置比较,如果新位置的适应度值更优,则更新为新位置;否则保持原位置;

步骤8.3:计算扣索索力组合2的繁殖系数AP,并根据繁殖系数AP的大小决定扣索索力组合2的更新策略;

当繁殖系数AP小于0.5时,将部分扣索索力组合2的个体位置进行更新,更新的方式为增加一个随机扰动;

当繁殖系数AP大于0.5时,将所有扣索索力组合2的个体位置都更新,更新的方式为增加一个与最优扣索索力组合位置相关的随机扰动;

步骤8.4:更新完扣索索力组合2的个体位置后,比较新位置和原位置的适应度值,取优;

步骤8.5:将扣索索力组合2中适应度值更优的个体融入扣索索力组合1,并更新两个种群的最优个体;

步骤8.6:判断当前迭代次数是否达到预设的最大迭代次数T,如果达到,则终止迭代,并输出最优索力组合;否则,进入下一轮迭代。

2.根据权利要求1所述的基于旗鱼算法与人工神经网络调整桥梁扣索索力的方法,其特征在于,所述步骤6中,训练过程中,将训练数据和测试数据按批次输入到构建的ANN深度学习模型中,经过隐藏层和输出层的计算得到每批次的损失函数值;同时,计算每个训练周期所有批次损失函数的均值,计为εn,并计算相邻两个训练周期损失函数的差值,看是否小于设定的精度ε,作为收敛条件;如果满足精度,则结束训练;否则,将根据损失函数值进行网络参数更新,然后再进行ANN深度学习模型训练,直至收敛。