【技术实现步骤摘要】
本专利技术涉及建筑减振，尤其是涉及一种装配式建筑结构减振结构预测方法、装置、设备及介质。
技术介绍
1、在当前的建筑工程领域，装配式建筑结构以其独特的优势逐渐崭露头角。相较于传统施工方式，装配式建筑不仅具有施工周期短、质量可控、环保节能等特点，更在结构设计和材料选择方面展现了巨大的潜力。
2、大数据与人工智能技术的应用，使得我们能够更加精准地分析建筑结构在地震等外力作用下的响应特性，进而优化结构设计，提高抗振性能。然而，目前在人工智能技术的运用上，现有的智能算法和模型难以精准预测和模拟建筑结构行为，使得人工智能在指导设计优化和决策的制定上难以实现。
技术实现思路
1、本专利技术的目的在于至少解决现有技术中存在的技术问题之一，为此，本专利技术提出一种装配式建筑结构减振结构预测方法、装置、设备及介质，能够精准预测和模拟建筑结构行为。
2、根据本专利技术第一方面实施例的装配式建筑结构减振结构预测方法，包括：
3、s1：获取建筑结构历史风荷载数据和建筑振动响应数据，对历史风荷载数据和建筑振动响应数据进行预处理操作，得到建筑结构的振动特征参数；
4、s2：构建振动响应预测模型，振动响应预测模型根据振动特征参数预测不同工况下建筑结构的振动特性，得到建筑结构的振动响应特征；
5、s3：根据振动响应特征确定智能阻尼器的位置信息和数量信息，根据位置信息和数量信息获取建筑结构的减振系统参数；
6、s4：根据减振系统参数确定智能阻尼
7、根据本专利技术实施例的装配式建筑结构减振结构预测方法，至少具有如下有益效果：通过振动响应预测模型根据振动特征参数预测不同工况下建筑结构的振动特性，从而获取建筑结构的振动响应特征，根据建筑结构的振动响应特征设置智能阻尼器，从而获取建筑结构的减振系统参数，然后根据减振系统参数确定智能阻尼器的阻尼参数，并对建筑结构进行实时监测，通过实时监测建筑结构的振动情况，获取高精度数据，实时快速响应外部环境变化，提高建筑的安全性和可靠性，利用大数据平台，收集和分析大量监测数据，识别振动模式和趋势，通过机器学习和深度学习模型，预测未来振动情况，并优化减振策略，对建筑结构行为的进行精准预测和模拟，以实现对建筑减振设计的指导优化和决策制定。
8、根据本专利技术的一些实施例，s5:根据振动响应预测模型的振动响应特征和建筑结构的实时监测数据调整减振系统参数，改进减振控制策略。
9、根据本专利技术的一些实施例，在s1中，在获取建筑结构立式风荷载数据和建筑振动响应数据之前，获取项目需求，收集项目基本信息，识别主要振动源，确定建筑的结构形式，选择结构材料并初步布置结构构件。
10、根据本专利技术的一些实施例，项目基本信息包括建筑功能、使用环境、地震烈度、风荷载、建筑高度和结构类型。
11、根据本专利技术的一些实施例，在s1中，得到建筑结构的振动特征参数包括：利用支持向量机对将建筑结构的历史风荷载数据和建筑振动响应数据进行数据分类和预测，振动特征参数通过如下方式表达：
12、
13、yi(wtxi+b)≥1-ξi；
14、其中，w为权重向量，b为偏置，c为惩罚参数，ξi为松弛变量、xi为输入数据，yi为对应标签。
15、根据本专利技术的一些实施例，在s2中，应用卷积神经网络建立振动响应预测模型，振动响应特征通过如下方式表达：
16、op＝σ(conv(w,x)+b)；
17、其中，op表示特征提取，w表示卷积核，x表示输入数据，b表示偏置，σ表示激活函数。
18、根据本专利技术的一些实施例，在s2中，振动特性包括振动分析和模态分析，振动分析用于描述结构在外力作用下的动态响应，模态分析用于确定结构的固有频率和振动模式。
19、根据本专利技术的一些实施例，振动分析通过如下方式表达：
20、
21、其中,m表示质量矩阵，c表示阻尼矩阵，k表示刚度矩阵，x(t)表示位移向量，表示速度向量，表示加速度向量，f(t)表示外力向量。
22、根据本专利技术的一些实施例，模态分析通过如下方式表达：
23、[k-w2m]φ＝0；
24、其中，m表示质量矩阵，k表示刚度矩阵，w为固有频率，φ表示模态向量。
25、根据本专利技术的一些实施例，在s3中，智能阻尼器为形状记忆合金阻尼器。
26、根据本专利技术的一些实施例，在s3中，智能阻尼器为磁流变阻尼器。
27、根据本专利技术的一些实施例，形状记忆合金阻尼器的应力-应变关系式通过如下方式表达：
28、σ＝eε+aδt；
29、其中，σ表示应力，e表示弹性模量，ε表示应变，a表示热膨胀系数，δt表示温度变化。
30、根据本专利技术的一些实施例，在s3中，根据位置信息和数量信息获取建筑结构的减振系统参数包括：采用pid控制算法动态调整阻尼器的阻尼效果。
31、根据本专利技术的一些实施例，在s4中，根据减振系统参数确定智能阻尼器的阻尼参数包括：使用遗传算法对减振系统参数进行优化，遗传算法优化采用适应度函数，适应度函数通过如下方式表达：
32、
33、其中，f(x)为适应度函数，x为参数向量，为目标值、wi表示权重。
34、根据本专利技术的一些实施例，在s5中，通过应用深度强化学习方法持续改进减振控制策略，深度强化学习方法表示为：
35、q(s,a)←q(s,a)+α[r+γmaxa′q(s′,a′)-q(s,a)]；
36、其中,q(s,a)为状态-动作价值函数，s′为当前状态和下一状态，a′为当前动作和下一动作，r为即时奖励，α为学习率、γ为折扣因子。
37、根据本专利技术第二方面实施例的一种装配式建筑结构减振装置，包括：至少一个控制处理器和用于与至少一个控制处理器通信连接的存储器；存储器存储有可被至少一个控制处理器执行的指令，指令被至少一个控制处理器执行，以使至少一个控制处理器能够执行如上述第一方面的装配式建筑结构减振结构预测方法。
38、根据本专利技术第三方面实施例的电子设备，包括：装配式建筑结构减振装置。
39、根据本专利技术第四方面实施例的计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如上述第一方面的装配式建筑结构减振结构预测方法。
40、本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种装配式建筑结构减振结构预测方法，其特征在于，包括：
2.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，还包括S5:根据所述振动响应预测模型的振动响应特征和所述建筑结构的实时监测数据调整减振系统参数，改进减振控制策略。
3.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在S1中，在获取建筑结构立式风荷载数据和建筑振动响应数据之前，获取项目需求，收集项目基本信息，识别主要振动源，确定建筑的结构形式，选择结构材料并初步布置结构构件。
4.根据权利要求3所述的装配式建筑结构减振结构预测方法，其特征在于，所述项目基本信息包括建筑功能、使用环境、地震烈度、风荷载、建筑高度和结构类型。
5.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在S1中，所述得到所述建筑结构的振动特征参数包括：利用支持向量机对将所述建筑结构的历史风荷载数据和建筑振动响应数据进行数据分类和预测，振动特征参数通过如下方式表达：
6.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在S2中
7.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在S2中，所述振动特性包括振动分析和模态分析，振动分析用于描述结构在外力作用下的动态响应，模态分析用于确定结构的固有频率和振动模式。
8.根据权利要求7所述的装配式建筑结构减振结构预测方法，其特征在于，所述振动分析通过如下方式表达：
9.根据权利要求7所述的装配式建筑结构减振结构预测方法，其特征在于，所述模态分析通过如下方式表达：
10.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在S3中，所述智能阻尼器为形状记忆合金阻尼器。
11.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在S3中，所述智能阻尼器为磁流变阻尼器。
12.根据权利要求10所述的装配式建筑结构减振结构预测方法，其特征在于，所述形状记忆合金阻尼器的应力-应变关系式通过如下方式表达：
13.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在S3中，所述根据所述位置信息和所述数量信息获取所述建筑结构的减振系统参数包括：采用PID控制算法动态调整阻尼器的阻尼效果。
14.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在S4中，所述根据所述减振系统参数确定所述智能阻尼器的阻尼参数包括：使用遗传算法对减振系统参数进行优化，所述遗传算法优化采用适应度函数，所述适应度函数通过如下方式表达：
15.根据权利要求2所述的装配式建筑结构减振结构预测方法，其特征在于，在S5中，通过应用深度强化学习方法持续改进减振控制策略，所述深度强化学习方法表示为：
16.一种装配式建筑结构减振装置，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至15任一项所述的装配式建筑结构减振结构预测方法。
17.一种电子设备，其特征在于，包括权利要求16所述的装配式建筑结构减振装置。
18.一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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至15任一项所述的装配式建筑结构减振结构预测方法。
...【技术特征摘要】
1.一种装配式建筑结构减振结构预测方法，其特征在于，包括：
2.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，还包括s5:根据所述振动响应预测模型的振动响应特征和所述建筑结构的实时监测数据调整减振系统参数，改进减振控制策略。
3.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在s1中，在获取建筑结构立式风荷载数据和建筑振动响应数据之前，获取项目需求，收集项目基本信息，识别主要振动源，确定建筑的结构形式，选择结构材料并初步布置结构构件。
4.根据权利要求3所述的装配式建筑结构减振结构预测方法，其特征在于，所述项目基本信息包括建筑功能、使用环境、地震烈度、风荷载、建筑高度和结构类型。
5.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在s1中，所述得到所述建筑结构的振动特征参数包括：利用支持向量机对将所述建筑结构的历史风荷载数据和建筑振动响应数据进行数据分类和预测，振动特征参数通过如下方式表达：
6.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在s2中，应用卷积神经网络建立振动响应预测模型，所述振动响应特征通过如下方式表达：
7.根据权利要求1所述的装配式建筑结构减振结构预测方法，其特征在于，在s2中，所述振动特性包括振动分析和模态分析，振动分析用于描述结构在外力作用下的动态响应，模态分析用于确定结构的固有频率和振动模式。
8.根据权利要求7所述的装配式建筑结构减振结构预测方法，其特征在于，所述振动分析通过如下方式表达：
9.根据权利要求7所述的装配式建筑结构减振结构预测方法，其特征在于，所述模态分析通过如下方式表达：
10.根据权利要求1所述的装配式建筑结构减振结构预测...
【专利技术属性】
技术研发人员：张旭玮，王宏，伍振平，徐妍，杨炯，汪涛，谷岳林，
申请(专利权)人：珠海市规划设计研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。