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: 202610340672X
申请人: 长沙理工大学
专利类型:发明专利
专利状态:已下证
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:

1.一种基于力学驱动的道路隐蔽性病害几何修正方法,其特征在于,所述方法包括:构建道路病害有限元仿真样本库;

基于所述道路病害有限元仿真样本库进行特征提取并融合多维特征向量,获得融合特征向量;

基于所述融合特征向量构建数据集,并基于所述数据集训练原始神经网络模型,获得病害参数反演代理模型,所述病害参数反演代理模型为全连接多层感知机网络架构;

通过三维探地雷达识别路面下的介质异常区域,并激活所述介质异常区域下方对应的应变传感器阵列节点;

获取所述应变传感器阵列节点监测到的应变数据,对所述应变数据进行特征提取并融合,获得待识别融合特征向量;

将所述待识别融合特征向量输入至所述病害参数反演代理模型进行反演运算,输出目标几何参数,并基于所述目标几何参数对原始几何参数进行修正,获得修正后的道路隐蔽性病害几何参数,所述原始几何参数是通过三维探地雷达初步识别得到的、未经过修正的道路隐蔽性 病害几何参数;

所述多维特征向量包括空间特征子向量、频域特征子向量以及形状敏感特征子向量;所述基于所述道路病害有限元仿真样本库进行特征提取并融合多维特征向量,获得融合特征向量,包括:基于所述道路病害有限元仿真样本库分割有效数据段,并识别所述有效数据段中的关键测点;

基于所述关键测点分别提取有效数据段中的空间域特征、频域特征和形状敏感特征,得到空间特征子向量、频域特征子向量以及形状敏感特征子向量;

将所述空间特征子向量、频域特征子向量和形状敏感特征子向量进行融合,获得融合特征向量。

2.如权利要求1所述的基于力学驱动的道路隐蔽性病害几何修正方法,其特征在于,所述构建道路病害有限元仿真样本库,包括:对输入变量空间进行采样,生成多个仿真工况,并构建各仿真工况的道路本体模型,所述输入变量空间包括病害基准几何参数、病害埋深、不规则扰动系数、荷载横向偏移量;

在所述道路本体模型中设定病害中心点和基准半径,基于所述病害中心点和所述基准半径生成不规则病害边界曲面,并基于所述不规则病害边界曲面在所述道路本体模型中构建不规则形态的道路隐蔽病害模型;

为所述道路本体模型设置标准移动荷载与横向偏移量;

计算所述道路隐蔽病害模型的病害几何参数标签,所述病害几何参数标签包括病害等效体积、形状因子和病害埋深;

运行动力学计算并提取应变传感器阵列节点的响应数据,将所述响应数据与所述病害几何参数标签进行关联,构建道路病害有限元仿真样本库。

3.如权利要求2所述的基于力学驱动的道路隐蔽性病害几何修正方法,其特征在于,所述在所述道路本体模型中设定病害中心点和基准半径,基于所述病害中心点和所述基准半径生成不规则病害边界曲面,并基于所述不规则病害边界曲面在所述道路本体模型中构建不规则形态的道路隐蔽病害模型,包括:自上而下对所述道路本体模型进行结构划分,形成多个结构层,并为各结构层赋予材料属性,所述结构层包括面层、基层、底基层和土基层,所述材料属性包括弹性模量、泊松比和材料密度;

对所述道路本体模型施加边界条件,并对所述道路本体模型进行网格划分设置,将所述道路本体模型中的关键区域划分为细密网格,将远场区域划分为稀疏网格,所述细密网格与所述稀疏网格之间通过过渡网格平滑连接,所述关键区域为应变传感器阵列节点的布设区域和病害生成区域;

在所述道路本体模型内部设定病害中心点,建立局部球坐标系并定义基准椭球体的表面半径函数;

在所述基准椭球体的基准半径上叠加空间随机噪声场,生成不规则病害边界曲面,参照如下公式:其中,表示不规则病害边界曲面,表示表面半径函数,表示归一化的三维随机噪声函数,表示不规则扰动系数,和分别表示局部球坐标系的方位角和极角;

将所述道路本体模型中被所述不规则病害边界曲面包围的单元材料属性进行折减,并基于材料属性折减后的单元形成不规则形态的道路隐蔽病害模型。

4.如权利要求1所述的基于力学驱动的道路隐蔽性病害几何修正方法,其特征在于,所述有效数据段包括仿真有效数据段和实测有效数据段;所述基于所述道路病害有限元仿真样本库分割有效数据段,并识别所述有效数据段中的关键测点,包括:针对所述道路病害有限元仿真样本库中的仿真数据,以荷载通过道路本体模型中心的时刻为基准,截取预设时长的前后数据段作为仿真有效数据段;

针对所述道路病害有限元仿真样本库中的应变传感器阵列节点的响应数据,对连续时序的响应数据进行滑动窗口监测,在应变传感器阵列中任一传感器节点的应变幅值超过预设应变阈值时,标记为车辆进入事件;

基于所述车辆进入事件监测应变峰值时刻,以应变峰值时刻为中心,截取所述响应数据中预设时长的前后时间窗口,作为单次车辆通过的实测有效数据段;

将所述仿真有效数据段和所述实测有效数据段内响应峰值绝对值最大的应变传感器阵列节点定义为主响应节点并记录位置,完成关键测点识别。

5.如权利要求4所述的基于力学驱动的道路隐蔽性病害几何修正方法,其特征在于,所述基于所述关键测点分别提取有效数据段中的空间域特征、频域特征和形状敏感特征,得到空间特征子向量、频域特征子向量以及形状敏感特征子向量,包括:基于所述关键测点提取所述有效数据段中各主响应节点达到应变峰值时刻的瞬时应变值,组成瞬时应变向量;

对所述瞬时应变向量进行最大值归一化处理,获得空间特征子向量;

获取主响应节点的应变时程数据,应用快速傅里叶变换将所述应变时程数据从时域转换至频域,获得频谱系数,参照如下公式:其中,表示频谱系数,表示频域点序号,表示应变时程数据的采样点数,表示主响应节点的离散化应变时程数据,表示采样点序号,表示虚数单位;

基于所述频谱系数计算低频带、中频带和高频带的归一化能量占比,构成频域特征子向量,参照如下公式:其中,表示频域特征子向量,表示主响应节点应变频域数据的总能量,表示频率,表示各频率带内的能量积分值,表示低频带,表示中频带,表示高频带;

计算主响应节点的纵向应变传感器读数与横向应变传感器读数的比值,并将所述比值作为形状敏感特征子向量。

6.如权利要求1至3中任一项所述的基于力学驱动的道路隐蔽性病害几何修正方法,其特征在于,所述基于所述融合特征向量构建数据集,并基于所述数据集训练原始神经网络模型,获得病害参数反演代理模型,包括:基于融合特征向量和道路病害有限元仿真样本库中对应的病害几何参数标签构建数据集,并将所述数据集划分为训练集、验证集和测试集;

基于全连接多层感知机网络架构生成原始神经网络模型,所述原始神经网络模型包含输入层、多个隐藏层和输出层,所述输入层的维度与所述融合特征向量的维度匹配,所述输出层的维度与所述病害几何参数标签的维度匹配;

设定带二阶正则化的均方误差作为损失函数,采用反向传播算法结合自适应矩估计优化器,利用所述训练集对所述原始神经网络模型的网络参数进行迭代更新,并通过所述验证集监测模型训练效果;

在验证集上的损失函数计算得到的损失值不再下降,或模型训练迭代次数达到预设迭代次数时,停止模型训练并保存当前最优网络参数,得到病害参数反演代理模型。

7.一种应用权利要求1至6中任一项所述的基于力学驱动的道路隐蔽性病害几何修正方法的基于力学驱动的道路隐蔽性病害几何修正装置,其特征在于,所述装置包括:样本库构建模块,用于构建道路病害有限元仿真样本库;

特征提取模块,用于基于所述道路病害有限元仿真样本库进行特征提取并融合多维特征向量,获得融合特征向量;

模型训练模块,用于基于所述融合特征向量构建数据集,并基于所述数据集训练原始神经网络模型,获得病害参数反演代理模型,所述病害参数反演代理模型为全连接多层感知机网络架构;

监测模块,用于通过三维探地雷达识别路面下的介质异常区域,并激活所述介质异常区域下方对应的应变传感器阵列节点;

数据采集模块,用于获取所述应变传感器阵列节点监测到的应变数据,对所述应变数据进行特征提取并融合,获得待识别融合特征向量;

几何参数输出模块,用于将所述待识别融合特征向量输入至所述病害参数反演代理模型进行反演运算,输出目标几何参数,并基于所述目标几何参数对原始几何参数进行修正,获得修正后的道路隐蔽性病害几何参数。

8.一种基于力学驱动的道路隐蔽性病害几何修正设备,其特征在于,所述基于力学驱动的道路隐蔽性病害几何修正设备包括:存储器、处理器及存储在所述存储器上的基于力学驱动的道路隐蔽性病害几何修正程序,所述处理器用于运行所述基于力学驱动的道路隐蔽性病害几何修正程序,所述基于力学驱动的道路隐蔽性病害几何修正程序配置为实现如权利要求1至6中任一项所述的基于力学驱动的道路隐蔽性病害几何修正方法。

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于力学驱动的道路隐蔽性病害几何修正程序,所述基于力学驱动的道路隐蔽性病害几何修正程序被处理器执行时实现如权利要求1至6中任一项所述的基于力学驱动的道路隐蔽性病害几何修正方法。