【技术实现步骤摘要】
本专利技术涉及数据处理领域，尤其涉及一种融合多源特征的桥梁毁伤深度学习方法。
技术介绍
1、桥梁是现代交通系统的重要组成部分，其抗暴防护设计对提高城市韧性和保障公共安全具有重要意义。在极端事件如爆炸或冲击载荷下，桥梁结构容易受到严重损坏，影响其承载能力和使用寿命。因此，桥梁设计需具备抵御爆炸冲击等极端事件的能力，以确保在突发事件发生时减少结构损伤。在当前的设计流程中，优化抗暴防护设计的前提是对爆炸冲击下桥梁结构毁伤响应的准确模拟与分析，以便根据结构的受力分布和易损程度制定加固措施。
2、目前，对于桥梁结构毁伤预测如中国专利申请“一种基于聚类的桥梁支座服役性能在线评估方法”（申请公开号：cn118051739a，公开日：2024-05-17）所述，其包括：基于数值模型进行桥梁温度场分析，根据模拟结果选取最优测温点安装温度传感器进行温度采样，并为各个支座安装拉线式位移计，测量各支座的水平变形，依据桥梁温度聚类分析结果，对对应的支座水平变形数据进行统计分析，并计算各统计模型的均值和方差，并进行支座服役性能评估。该方法基于传统的有限元方法，虽可提供相对精确的预测，但计算过程繁琐、耗时，且成本高昂，难以满足快速响应的实际需求。
3、为此，近年来人们尝试发展数据驱动的模型，以更高效、便捷的方式实现桥梁结构的毁伤预测。如在中国专利申请“基于神经网络模型的桥梁支架结构状态智能监测评估方法”（申请公开号：cn118536385a，公开日：2024-08-23）中，首先获取桥梁支架结构网络的空间关系数据、传感器传送的状态参数
4、总之，现有技术存在的问题是：对桥梁结构在爆炸冲击下的毁伤预测精度不高、适应性有限。
技术实现思路
1、本专利技术的目的在于提供一种融合多源特征的桥梁毁伤深度学习方法，精度高，适应性好。
2、为了实现上述目的，本专利技术的技术解决方案：
3、第一方面，提供一种融合多源特征的桥梁毁伤深度学习方法，包括如下步骤：
4、建立桥梁毁伤仿真模型，获取桥梁毁伤仿真数据；
5、将桥梁毁伤仿真数据与爆炸工况关联，并与桥梁特征信息整合后，得到包括训练数据集和验证数据集的桥梁毁伤数据库；所述桥梁特征信息包括桥梁几何特征和桥梁材料特征；
6、利用上述训练数据集和验证数据集对构建的多层复合图神经网络进行训练和优化，得到桥梁毁伤预测模型；
7、利用所述桥梁毁伤预测模型，完成目标桥梁毁伤的预测。
8、优选地，所述桥梁毁伤仿真模型建立步骤包括：
9、根据爆炸力学原理，建立爆炸物在不同当量、密度下能量随时间的释放函数，结合爆炸物的物理化学性质，确定爆炸中心点初始条件，得到爆炸源物理模型；所述爆炸中心点初始条件包括爆炸中心的初始压力、温度、能量密度和初始膨胀速度；
10、根据爆炸源类型及其周围环境信息，引入基于流体力学的非线性方程描述冲击波在传播过程中的反射、散射、绕射及衰减效应，结合爆炸冲击波在空气中传播的物理定律，获取爆炸冲击波在空气中传播的冲击波传播数学方程；
11、将所述爆炸源物理模型、冲击波传播数学方程联立后，利用galerkin方法将连续的数学方程转化为有限元方程，通过三维一次四节点单元形函数对计算域内的场变量进行插值计算；
12、对所述有限元方程通过离散方式迭代，形成冲击波-桥梁结构流固耦合计算形式，得到冲击波在桥梁各个部位表面形成的桥梁应力状态，包括超压峰值、冲量、持续时间；
13、根据桥梁结构的材料特征和力学性能，确定不同结构在不同应力状态下的破坏阈值；
14、依据桥梁结构的材料特征和破坏阈值，结合桥梁应力状态，分析桥梁在各应力状态下的结构响应和桥梁结构毁伤；
15、结合桥梁应力状态与桥梁结构毁伤分析结果，建立桥梁毁伤仿真模型。
16、优选地，所述桥梁毁伤数据库建立步骤包括：
17、测量桥梁结构关键参数，同时根据包括爆炸位置、爆炸当量以及爆炸类型的工况信息设定爆炸工况，从所述关键参数取值范围中遍历采样，采用所述桥梁毁伤仿真模型得到桥梁毁伤仿真数据；所述关键参数包括桥面、桥墩的尺寸和配筋率的取值范围；
18、将所述桥梁毁伤仿真数据与相应的爆炸工况关联，得到工况关联桥梁毁伤数据，所述爆炸工况参数包含爆炸当量、爆炸位置以及爆炸类型；
19、将桥梁特征信息，包括桥梁几何特征和桥梁材料特征与所述工况关联桥梁毁伤数据整合，得到结构耦合桥梁毁伤数据，所述桥梁材料特征包括弹性模量、屈服强度、断裂韧性；
20、将所述结构耦合桥梁毁伤数据中的爆炸工况、桥梁材料特征、桥梁几何特征通过数据修剪、归一化和特征提取，得到综合多源信息的爆炸特征向量；
21、针对不同场景中涉及的爆炸工况以及桥梁对象，得到每个场景下的综合多源信息的爆炸特征向量，堆叠全部场景和对应的桥梁毁伤仿真数据，形成以综合多源信息的爆炸特征向量作为输入，以桥梁毁伤仿真数据作为输出的集合，录入库系统；
22、划分集合，得到包括训练数据集和验证数据集的桥梁毁伤数据库。
23、优选地，所述多层复合图神经网络包括分层注意力模块、分层特征交互模块以及上采样预测模块：
24、所述分层注意力模块包括几何特征注意力层、载荷特征注意力层和材料特征注意力层，所述几何特征注意力层、载荷特征注意力层和材料特征注意力层均由一个图注意力网络和上下文信息提取器构成；所述几何特征注意力层的图节点嵌入桥梁几何特征；载荷特征注意力层的图节点嵌入爆炸工况特征；材料特征注意力层的图节点嵌入桥梁材料特征；
25、所述分层特征交互模块采用fm模型对所述几何特征注意力层、载荷特征注意力层和材料特征注意力层的输出进行特征交互，得到图数据；
26、所述上采样预测模块包括m个gn层以及图译码层，其中，除第1个所述gn层输入为，其余所述gn层的输入均为前一个所述gn层输入和输入的叠加，最后一个所述gn层输入和输出叠加后作为所述图译码层的输入，所述图译码层的输出即为桥梁毁伤数据。
27、优选地，采用分布式子图训练方法对所述多层复合图神经网络进行训练，具体步骤包括：
28、步骤1、根据输入数据中节点和边的密集程度，自适应划分子图本文档来自技高网...
【技术保护点】
1.一种融合多源特征的桥梁毁伤深度学习方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，桥梁毁伤仿真模型建立步骤包括：
3.根据权利要求1所述的方法，其特征在于，桥梁毁伤数据库建立步骤包括：
4.根据权利要求1所述的方法，其特征在于，多层复合图神经网络包括分层注意力模块、分层特征交互模块以及上采样预测模块：
5.根据权利要求4所述的方法，其特征在于，采用分布式子图训练方法对多层复合图神经网络进行训练，具体步骤包括：
6.根据权利要求5所述的方法，其特征在于，更新频率的表达式如下：更新频率 = 子图中信息更新的节点数量/子图总节点数量。
7.根据权利要求5所述的方法，其特征在于，再次进行子图划分时还包括：
8.融合多源特征的桥梁毁伤深度学习系统，其特征在于，包括：
9.一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，其特征在于，指令当由计算设备执行时，使得计算设备执行如权利要求1至7中任一所述的方法。
10.一种电子设备，其特征在
...【技术特征摘要】
1.一种融合多源特征的桥梁毁伤深度学习方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，桥梁毁伤仿真模型建立步骤包括：
3.根据权利要求1所述的方法，其特征在于，桥梁毁伤数据库建立步骤包括：
4.根据权利要求1所述的方法，其特征在于，多层复合图神经网络包括分层注意力模块、分层特征交互模块以及上采样预测模块：
5.根据权利要求4所述的方法，其特征在于，采用分布式子图训练方法对多层复合图神经网络进行训练，具体步骤包括：
6.根据权利要求5所述的方法，其特征在于，更新频率的表达式如下：更新频率 = 子图中信息更新...
【专利技术属性】
技术研发人员：吴威涛，袁文杰，彭江舟，王祉乔，胡杰，王名川，
申请(专利权)人：南京理工大学，
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。