【技术实现步骤摘要】
本专利技术涉及目标毁伤评估和决策优化领域，是一种面向钢框架结构的爆破施工实时优化方法。
技术介绍
1、在现代建筑爆破施工中，任务的高效执行和精准性要求对于爆破方案的优化提出了新的挑战。随着工程规模和复杂性的不断增加，迫切需要能够快速响应、灵活调整的爆破方案优化方法，以确保爆破施工对建筑倒塌结构的精准控制。因此，如何根据建筑结构特点，实时优化爆破方案、精确控制爆破效果以确保施工质量变得尤为重要。
2、目前，针对爆破施工优化方法的研究有，中国专利技术申请“一种隧道爆破施工超欠挖优化方法”（公开号：cn117195371a，公开日：2023.12.08），该专利基于全连接神经网络模型，建立了初始爆破参数、岩体质量评估参数与隧道超欠挖参数的映射模型，并利用寻优算法获取了最优光面爆破参数。该方法能够解决围岩不均匀分布导致爆破施工效果不良的问题，但模型基于最基础的全连接结构，在复杂工况的适用性和鲁棒性等方面都存在不足；针对框架建筑爆破施工评估的研究有，中国专利技术申请“建筑爆破倒塌的判断方法、系统及电子设备”（公开号：cn116956589a，公开日：2023.10.27），它在对钢筋混凝土建筑进行拆除爆破时结构能否失稳倒塌的判断的过程中，将建筑中的钢筋混凝土承重立柱在爆破下的动态响应与残留钢筋骨架上层结构重力作用下的失稳机制相结合，给出建筑物在爆破荷载作用下能否失稳倒塌的判断依据。然而，该研究方法计算过程复杂，计算用时长，难以满足现代施工现场的实时性、准确性和自适应性要求。
技术实现思路p>
1、本专利技术的目的在于提供一种面向钢框架结构的爆破施工实时优化方法，且使用便捷、计算高效、鲁棒性好。
2、实现本专利技术目的的技术方案为：
3、第一方面，提供一种面向钢框架结构的爆破施工实时优化方法，包括如下步骤：
4、基于图神经网络，构建构件毁伤效应预测模型和钢框架结构力学响应预测模型；
5、利用构件毁伤效应预测模型对爆破冲击下钢框架结构中构件的毁伤效应进行预测，并根据构件毁坏判定标准，判定构件毁伤模式；
6、结合构件毁伤模式的判定结果，利用钢框架结构力学响应预测模型对爆破冲击下钢框架结构的力学响应进行预测；
7、结合钢框架结构力学响应预测模型的预测结果，基于遗传算法，获取钢框架结构的最优化爆破施工方案。
8、进一步地，钢框架结构的最优化爆破施工方案获取步骤包括：
9、定义爆破施工染色体为爆破场景向量，爆破场景向量由编码后的材料特性、炸药等效当量、爆破位置、爆破冲击载荷沿着一个维度连接而成；
10、创建一个初始种群，并随机生成若干染色体；
11、定义适应度评估函数：
12、，
13、其中，为节点i处的位移数据，h为钢框架结构总高度，为节点i处的竖直高度，为钢框架结构中节点总数，（，，）为节点i的位置坐标，、是钢框架结构中所有节点的轴坐标中的最大值和最小值，和是钢框架结构中所有节点的轴坐标中的最大值和最小值，为位置权重补偿经验参数；
14、根据钢框架结构力学响应预测模型的预测结果，计算每个染色体的适应度；
15、使用轮盘赌选择法，筛选染色体；
16、通过交叉和变异繁殖染色体，生成新的种群；
17、重复上述步骤，直到满足设定收敛条件，输出当前种群作为最终种群；
18、对最终种群中染色体进行解码，即得到最优化的爆破施工方案。
19、进一步地，随机生成的染色体中炸药等效当量的范围在0到10吨tnt当量之间，爆破位置的范围在钢框架结构内部及其外围10米范围内。
20、进一步地，构件毁伤效应预测模型构建步骤包括：
21、构建神经网络模型，神经网络模型的输入为爆破场景向量；
22、利用包括训练数据集和验证数据集的爆破冲击特征与构件毁伤数据库对神经网络模型进行训练和优化，得到构件毁伤效应预测模型。
23、进一步地，神经网络模型包括图自编码网络层、多流图神经网络层和多流合并预测网络层：
24、图自编码层中，将全连接神经网络和relu激活函数级联，输出编码结果gn0；
25、多流图神经网络层中，采用transformer encoder模型中的多头注意力机制，多头局部注意力机制的三个头部分别为应变注意力机制、应力注意力机制和材料特性注意力机制，输入均为gn0，输出分别为图节点抽象应变向量gn1、图节点抽象应力向量gn2、图节点抽象材料特性向量gn3；
26、多流合并预测网络层中，采用自注意力机制整合多流图神经网络层输出的gn1、gn2和gn3，之后通过全连接神经网络和relu激活函数，得到构件毁伤效应。
27、进一步地，钢框架结构力学响应预测模型构建步骤包括：
28、构建图卷积神经网络，图卷积神经网络的输入为爆破场景向量和构件毁伤模式的判定结果；
29、利用包括训练数据集和验证数据集的爆破冲击特征与钢框架结构力学响应数据库对图卷积神经网络进行训练和优化，得到钢框架结构力学响应预测模型。
30、进一步地，图卷积神经网络包括空间域图卷积层，深度图卷积层和扩张图卷积层；
31、空间域图卷积层中，将图卷积和relu激活函数级联，输出潜在图数据；
32、深度图卷积层中，通过堆叠多个resgcn块形成深度结构，并利用图卷积层的消息传递机制联通各个resgcn块，得到抽象化特征；
33、扩张图卷积层中，通过堆叠多个扩张图卷积层，得到具有框架节点单元位移的结构响应数据。
34、进一步地，包括训练数据集和验证数据集的爆破冲击特征与构件毁伤效应数据库，以及爆破冲击特征与钢框架结构力学响应数据库获取步骤包括：
35、根据目标任务需求，设定钢框架结构特征；根据设计技术标准，设定梁柱特征；钢框架结构特征包括钢框架结构的长、宽、高，以及楼层数量、每层的房间布置形式；梁柱特征包括梁、柱尺寸、截面形状、材料特性；材料特性包括弹性模量、密度以及泊松比；
36、根据钢框架结构特征和梁柱特征，生成多种钢框架结构几何模型；
37、设定不同炸药等效当量、不同爆破位置的施工方案，并为每种施工方案分配唯一的标识码；施工方案包括炸药等效当量和爆破位置；
38、使用网格划分工具对钢框架结构进行离散，并在爆破位置处进行网格局部加密；
39、针对离散后的钢框架结构，采用abaqus进行仿真，并从仿真计算结果中分别提取钢框架结构中构件的毁伤效应数据和钢框架结构的力学响应数据；
40、将钢框架结构中构件毁伤效应数据与相应的施工方案、钢框架结构特征和梁柱特征关联；将钢框架结构的力学响应数据与相应的施工方案、钢框架结构特征和梁柱特征关联；
41、提取不同施工方案下的材料特性、炸药等效当量、爆破位置和爆破冲击载荷，进行数据修剪、归一化以及下采样编码，本文档来自技高网...
【技术保护点】
1.一种面向钢框架结构的爆破施工实时优化方法，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，钢框架结构的最优化爆破施工方案获取步骤包括：
3.根据权利要求1所述的方法，其特征在于，随机生成的染色体中炸药等效当量的范围在0到10吨TNT当量之间，爆破位置的范围在钢框架结构内部及其外围10米范围内。
4.根据权利要求1所述的方法，其特征在于，构件毁伤效应预测模型构建步骤包括：
5.根据权利要求4所述的方法，其特征在于，神经网络模型包括图自编码网络层、多流图神经网络层和多流合并预测网络层：
6.根据权利要求1所述的方法，其特征在于，钢框架结构力学响应预测模型构建步骤包括：
7.根据权利要求6所述的方法，其特征在于，图卷积神经网络包括空间域图卷积层，深度图卷积层和扩张图卷积层；
8.根据权利要求4或6所述的方法，其特征在于，包括训练数据集和验证数据集的爆破冲击特征与构件毁伤效应数据库，以及爆破冲击特征与钢框架结构力学响应数据库获取步骤包括：
9.一种存储一个或多个程序的
10.一种电子设备，其特征在于，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1-8中任一所述的方法的指令。
...【技术特征摘要】
1.一种面向钢框架结构的爆破施工实时优化方法，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，钢框架结构的最优化爆破施工方案获取步骤包括：
3.根据权利要求1所述的方法，其特征在于，随机生成的染色体中炸药等效当量的范围在0到10吨tnt当量之间，爆破位置的范围在钢框架结构内部及其外围10米范围内。
4.根据权利要求1所述的方法，其特征在于，构件毁伤效应预测模型构建步骤包括：
5.根据权利要求4所述的方法，其特征在于，神经网络模型包括图自编码网络层、多流图神经网络层和多流合并预测网络层：
6.根据权利要求1所述的方法，其特征在于，钢框架结构力学响应预测模型构建步骤包括：
7.根据权利要求6所述的方法...
【专利技术属性】
技术研发人员：吴威涛，彭江舟，胡杰，何勇，张雍齐，戎晓力，高光发，谢肖坤，
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。