崔飛飛

(陜西國(guó)防工業(yè)職業(yè)技術(shù)學(xué)院,西安 710300)

0 引言

鋼結(jié)構(gòu)體育場(chǎng)的變形監(jiān)測(cè)是保證其安全運(yùn)營(yíng)的重要環(huán)節(jié),基于深度學(xué)習(xí)的數(shù)據(jù)處理分析方法在設(shè)計(jì)時(shí)應(yīng)遵循以下基本原則[1-2],即全面性、可靠性、算法模型準(zhǔn)確性、可視化。

深度學(xué)習(xí)是由無(wú)數(shù)變量共同決定且不斷變化的算法,核心是使機(jī)器像人腦一樣進(jìn)行學(xué)習(xí)分析,正確識(shí)別文字、圖像、語(yǔ)言等[3]?；舅惴Ｐ椭饕ㄒ韵聨追N。①自動(dòng)編碼器。這是一種利用前饋網(wǎng)絡(luò)開(kāi)展的深度學(xué)習(xí)策略,包括編碼器、編碼、解碼器三部分,主要應(yīng)用于人口預(yù)測(cè)、醫(yī)藥、圖像處理等領(lǐng)域。②受限玻爾茲曼機(jī)(RBM)。是神經(jīng)網(wǎng)絡(luò)的任意組合結(jié)構(gòu),常用于進(jìn)行數(shù)據(jù)降維、分類處理及建模。③自組織映射(SOM)。是一種具有特殊網(wǎng)絡(luò)結(jié)構(gòu)及學(xué)習(xí)規(guī)則的策略模式,基于競(jìng)爭(zhēng)形式進(jìn)行神經(jīng)元響應(yīng)輸出,從而獲得最終決勝者以區(qū)分神經(jīng)元網(wǎng)絡(luò)。④深度置信(DBN)?；诖罅侩[含層與隨機(jī)變量層構(gòu)成的貝葉斯概率形成算法,通過(guò)RBM模式進(jìn)行訓(xùn)練及循環(huán)輸出。⑤CNN。是一種卷積網(wǎng)絡(luò)形式,主要用于物體檢測(cè)與圖像處理,包括連接層、池化層、卷積層,在提取數(shù)據(jù)中具有關(guān)鍵作用。

基于深度學(xué)習(xí)算法進(jìn)行鋼結(jié)構(gòu)體育場(chǎng)變形監(jiān)測(cè)需采用合適的激活函數(shù)[4],包括Sigmoid函數(shù)、Tanh函數(shù)、Relu函數(shù)、ELU函數(shù),訓(xùn)練過(guò)程中要求有大量的樣本數(shù)據(jù),故在選擇激活函數(shù)時(shí)需提高數(shù)據(jù)均值化的函數(shù)收斂速度,節(jié)省學(xué)習(xí)時(shí)間。本研究選擇Relu函數(shù)進(jìn)行關(guān)聯(lián)性探索,對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行擬合,如公式(1)所示。

(1)

1 變形監(jiān)測(cè)數(shù)據(jù)處理分析

1.1 實(shí)驗(yàn)環(huán)境與模型設(shè)計(jì)

以深度學(xué)習(xí)為研究基礎(chǔ),設(shè)計(jì)整個(gè)數(shù)據(jù)處理分析過(guò)程,基于Anaconda開(kāi)發(fā)環(huán)境,采用Keras作為深度學(xué)習(xí)框架,以Python作為開(kāi)發(fā)語(yǔ)言,搭建深度學(xué)習(xí)架構(gòu),配置情況如表1所示。

表1 實(shí)驗(yàn)環(huán)境配置

采用ARIMA模型進(jìn)行數(shù)據(jù)處理。主要基于Python語(yǔ)言,使用Pandas與Numpy數(shù)據(jù)處理工具,包括以下幾個(gè)步驟:

1)對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行平穩(wěn)處理。

import numpy as np

def stationary_process(data):

processed_data=data

return processed_data

2)確定模型參數(shù)。

from tensorflow.keras.model simport Sequential

from tensorflow.keras.layers import Dense, LSTM

def create_model(input_shape):

model=Sequential()

model.add(LSTM(64, input_shape=input_shape))

model.add(Dense(1))

return model

3)估計(jì)未知量。

def estimate_unknowns(model, data):

predictions = model.predict(data)

return predictions

4)序列白噪聲檢驗(yàn)。

from statsmodels.stats.diagnostic import acorr_ljungbox

def white_noise_test(data):

p_value=acorr_ljungbox(data, lags=1)[1]

return p_value

5)數(shù)據(jù)分析。

def data_analysis(data):

analysis_result=data

return analysis_result

建模流程如圖1所示。

1.2 變形監(jiān)測(cè)方案與監(jiān)測(cè)布置

鋼結(jié)構(gòu)體育場(chǎng)在外荷載、溫度等環(huán)境下的變形量是監(jiān)測(cè)的重要參數(shù)及指標(biāo)。變形監(jiān)測(cè)的基本原理是:在監(jiān)測(cè)點(diǎn)提前安裝傳感器,保證傳感器在監(jiān)測(cè)軟件可接收范圍內(nèi)工作,利用多點(diǎn)監(jiān)測(cè)定位技術(shù),令傳感器傳回的數(shù)據(jù)采用同一坐標(biāo)系。假定第一次測(cè)量傳回的數(shù)據(jù)坐標(biāo)為(x0,y0,z0),第二次測(cè)量傳回的數(shù)據(jù)坐標(biāo)為(x1,y1,z1),則監(jiān)測(cè)該變形數(shù)據(jù)的空間位移為(Δx=x0-x1,Δy=y0-y1,Δz=z0-z1),如圖2所示。采用傳感器監(jiān)測(cè)體育場(chǎng)變形數(shù)據(jù),測(cè)量不同時(shí)間、不同地點(diǎn)的三維坐標(biāo)數(shù)據(jù),進(jìn)行數(shù)據(jù)結(jié)果分析。

圖1 建模流程Fig.1 Modelling procedure

圖2 監(jiān)測(cè)點(diǎn)坐標(biāo)位移Fig.2 Monitoring point coordinate displacement

1.3 變形監(jiān)測(cè)數(shù)據(jù)校準(zhǔn)

由于鋼結(jié)構(gòu)的載荷在一段時(shí)間內(nèi)保持相對(duì)穩(wěn)定,故對(duì)其結(jié)構(gòu)造成極大損傷的只有周期變化的溫度。為進(jìn)一步檢驗(yàn)檢測(cè)數(shù)據(jù)是否發(fā)生較大的偏差,采用監(jiān)測(cè)點(diǎn)位移與設(shè)計(jì)曲線進(jìn)行吻合測(cè)試,從圖3監(jiān)測(cè)結(jié)果的吻合程度來(lái)看,監(jiān)測(cè)結(jié)果較可信。

圖3 監(jiān)測(cè)結(jié)果對(duì)比Fig.3 Comparison of monitoring results

1.4 數(shù)據(jù)處理結(jié)果分析

分析發(fā)現(xiàn),每個(gè)監(jiān)測(cè)點(diǎn)中x與y坐標(biāo)值的變化較小,主要是z向坐標(biāo)值發(fā)生變化。選取其中10組數(shù)據(jù)進(jìn)行分析,如表2所示。由表2可以看出,變化量較大的是第8組監(jiān)測(cè)數(shù)據(jù)點(diǎn),其位置在東南方向起重點(diǎn),壓力集中且受力不均衡導(dǎo)致變化明顯。

表2 鋼結(jié)構(gòu)體育場(chǎng)變形監(jiān)測(cè)傳感數(shù)據(jù)變化量

選擇3個(gè)時(shí)間段不同溫度下鋼結(jié)構(gòu)體育場(chǎng)在3個(gè)維度的監(jiān)測(cè)點(diǎn)數(shù)據(jù)變化情況,統(tǒng)計(jì)其變化量曲線與變化率,如圖4、圖5所示。

圖4 變化量曲線Fig.4 Change curve

圖5 變化速率曲線Fig.5 Change rate curve

垂直方向變化量:上為正數(shù),下為負(fù)數(shù);南北方向變化量:北為正數(shù),南為負(fù)數(shù);東西方向變化量:東為正數(shù),西為負(fù)數(shù)。

垂直方向變化量:上為正數(shù),下為負(fù)數(shù);南北方向變化量:北為正數(shù),南為負(fù)數(shù);東西方向變化量:東為正數(shù),西為負(fù)數(shù)。

垂直方向。隨著溫度上升,兩側(cè)的鋼結(jié)構(gòu)體育場(chǎng)監(jiān)測(cè)數(shù)據(jù)變化較大,說(shuō)明存在變形。隨著監(jiān)測(cè)數(shù)據(jù)向體育場(chǎng)中間移動(dòng),變化量與變化率都在下降,說(shuō)明中間位置受力較小。監(jiān)測(cè)點(diǎn)在溫度上升與溫度下降時(shí)數(shù)據(jù)變化率大小基本一致,變化方向呈相反趨勢(shì)。在對(duì)稱方向的監(jiān)測(cè)點(diǎn)數(shù)據(jù)變化量、變化趨勢(shì)、變化率基本一致。

南北方向。隨著溫度升高或降低,東西兩個(gè)方向中心監(jiān)測(cè)點(diǎn)數(shù)據(jù)變化量與變化速率較小,兩端變化量與變化速率較大。隨著溫度升高,南邊的監(jiān)測(cè)點(diǎn)數(shù)據(jù)向南變形,溫度降低變形方向相反。東西兩側(cè)對(duì)稱點(diǎn)位置檢測(cè)數(shù)據(jù)變化量、變化趨勢(shì)、變化方向趨向一致。同一數(shù)據(jù)監(jiān)測(cè)點(diǎn)在溫度升高與溫度降低時(shí)的變化速率一致,變化趨勢(shì)相反。

東西方向。溫度升高時(shí),東側(cè)監(jiān)測(cè)點(diǎn)位置的數(shù)據(jù)為正數(shù),說(shuō)明東側(cè)鋼結(jié)構(gòu)向東變形。西側(cè)監(jiān)測(cè)點(diǎn)數(shù)據(jù)為負(fù)數(shù),說(shuō)明西側(cè)鋼結(jié)構(gòu)向東變形。隨著溫度的降低,數(shù)據(jù)呈相反情況。但東側(cè)的監(jiān)測(cè)數(shù)據(jù)為負(fù)數(shù),西側(cè)的監(jiān)測(cè)數(shù)據(jù)為正數(shù),可知東側(cè)向西變形,西側(cè)向東變形。相同監(jiān)測(cè)點(diǎn)位置數(shù)據(jù)的變化速率大小趨向一致,東西兩側(cè)對(duì)稱檢測(cè)點(diǎn)的數(shù)據(jù)變化速率與變化趨勢(shì)一致。

2 結(jié)束語(yǔ)

變形監(jiān)測(cè)的目的是為了對(duì)鋼結(jié)構(gòu)體育場(chǎng)的觀測(cè)數(shù)據(jù)資料進(jìn)行綜合分析,判斷其安全性。將深度學(xué)習(xí)引入鋼結(jié)構(gòu)體育場(chǎng)變形監(jiān)測(cè)中,避免了傳統(tǒng)監(jiān)測(cè)方式的缺陷,保證了監(jiān)測(cè)數(shù)據(jù)的可靠性,為進(jìn)一步進(jìn)行數(shù)據(jù)分析提供了依據(jù)。