(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210678953.8 (22)申请日 2022.06.16 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 程琳　陈家敏　毛昊然　杨杰　 张宇恒　潘鹏生　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 刘娜 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06F 30/13(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06T 17/20(2006.01) G06F 119/14(2020.01) (54)发明名称 一种落石冲击下PCCP管道结构损伤评价方 法 (57)摘要 本发明公开了一种落石冲击下PCCP管道结 构损伤评价方法， 具体为： 首先， 建立PCCP “管‑ 土‑石”三维有限元模型， 通过有限元法计算不同 落石参数情况下， 埋地PCCP结构损伤情况， 并形 成样本数据集； 建立LSTM神经网络模型； 并利用 贝叶斯算法对神经网络模型的第一层隐含层神 经元数、 第二层隐含层神经元数和初始学习率l 进行自动寻优， 构成BO ‑LSTM模型； 根据现场实测 的落石参数和BO ‑LSTM模型， 预测实际工程中 PCCP结构的损伤情况。 以混凝土 管芯最大混凝土 塑性损伤值为评价指标构建基于BO ‑LSTM模型的 落石冲击作用下PCCP的评价模型， 用于对PCCP结 构在不同落石冲击下的损伤情况进行及时准确 的分析。 权利要求书2页 说明书7页 附图6页 CN 115081279 A 2022.09.20 CN 115081279 A 1.一种落石冲击下PCCP管道结构损伤评价方法， 其特征在于， 具体按照以下步骤具体 实施： 步骤1， 建立PCCP “管‑土‑石”三维有限元模型， 通过有限元法计算分析不同落石参数情 况下， 埋地P CCP结构损伤情况， 并形成样 本数据集， 将样 本数据集的5％作为测试样 本， 其余 作为训练样本； 步骤2， 建立 LSTM神经网络模型； 步骤3， 利用贝叶斯算法对LSTM神经网络模型的第一层隐含层神经元数m、 第二层隐含 层神经元数n和初始学习率 l进行自动寻优， 构成BO ‑LSTM模型； 步骤4， 当落石灾害发生后， 根据现场实测的落石参数和BO ‑LSTM模型， 预测实际工程中 PCCP结构的损伤情况。 2.根据权利要求1所述的一种落石冲击下PCCP管道结构损伤评价方法， 其特征在于， 所 述步骤1中， 具体为： 通过有限元法计算分析不同落石参数情况下， 埋地P CCP结构损伤情况， 其中， 落石参数包括落石半径、 落石高度以及落石位置， 给予落石位置的X和Y坐标、 落石半 径和落石高度参数若干不同的取值， 这样可以得到M组落石参数的组合， 对于每一组落石参 数， 采用PCCP “石‑土‑管”三维有限元模型计算对应的混凝土管芯全截面混凝土受拉损伤dt 的最大值， 从而形成样本数据集， 并将 样本数据集的5％作为测试样本， 其 余作为训练样本 。 3.根据权利要求1所述的一种落石冲击下PCCP管道结构损伤评价方法， 其特征在于， 所 述步骤2中， 具体为： 步骤2.1， LSTM神经网络模型的表达式如式(3)所示： 式中： ii是输入门； fi是遗忘门； ci是更新后的细胞状态； oi是输出门； xi是输入信息； hi 是获取的输出信息； Wxi、 Wci、 Wxf、 Whf、 Wcf、 Wxc、 Whc、 Wxo、 Who和Wco是权重系数； bi、 bf、 Be和b0是偏 置量； 步骤2.2， 采用两种量化指标对LSTM神经网络模型的精度进行定量的分析， 分别为均方 根误差和平均绝对误差； RMSE和MAE具体 计算公式分别如式(4)和式(5)所示； 式中， N样本总数； hi是实际输出； 是预测输出。 4.根据权利要求1所述的一种落石冲击下PCCP管道结构损伤评价方法， 其特征在于， 所权　利　要　求　书 1/2 页 2 CN 115081279 A 2述步骤3中， 具体为： 在 超参数m、 n和l的取值范围内， 随机生成初始样 本点， 将初始样 本点输 入到高斯过程中， 利用训练样本对LSTM神经网络模型进行训练， 利用训练好的LSTM神经网 络模型计算训练集对应的P CCP混凝土管芯全截面混凝土受拉损伤dt的最大值， 输出均方根 误差RMSE， 对高斯模 型进行修正， 使其更接近 真实的函数分布； 在修正后的高斯模型中选取 下一组需要评估的样本点， 利用训练好的LSTM神经网络模型对训练样本进行计算， 输出 RMSE， 更新训练样本集合和高斯模型； 迭代完成后， 终止算法并退出， 输出迭代过程中使得 RMSE最小的训练样本点， 作为最优超参数组合， 从而建立落石参数与PCCP结构损伤之间复 杂非线性关系的BO ‑LSTM模型。权　利　要　求　书 2/2 页 3 CN 115081279 A 3