半密闭空间建筑结构力学响应预测、动态损伤追踪方法

本发明属于数据处理，特别是一种半密闭空间建筑结构力学响应预测、动态损伤追踪方法。

背景技术：

1、半密闭空间建筑是指一种不完全封闭，有一面或多面相对开放或半开放，与外界环境存在有限的空气交换的空间建筑，例如隧道、船舱、地下空间等。

2、动态损伤是指物体在承受动态载荷作用过程中所产生的损伤，是一个随时间变化的过程，受到动态力的持续影响，会导致建筑结构内部产生应力、应变的动态变化，当这些变化超过建筑材料或结构的承受能力时，就会引发损伤，并且损伤会随着动态力的持续作用而不断发展。

3、目前，对于动态损伤追踪如论文“《resilient analysis on tunnel structuralserviceability based on lifetime dynamic prediction model》”（dawei huang,hehua zhu, yi shen, zhiguo yan, jiann-wen woody ju,resilient analysis ontunnel structural serviceability based on lifetime dynamic prediction model,tunnelling and underground space technology,issn 0886-7798,https://doi.org/10.1016/j.tust.2022.104690.）所述，其公开了一种基于寿命动态预测模型的隧道结构适用性弹性分析方法，包括： 将隧道性能视为长期老化与短期事件组合进行预测，用统计概率模型评估长期老化，以损伤指标划分系统状态；用弹性概念量化短期事件性能变化，分阶段并依阈值判断。基于故障模式与影响分析等建立寿命性能模型，确定关键缺陷，以实例计算位移沉降、建立阈值，评估缺陷弹性过程，结合事件影响调整缺陷曲线，用相关模型重新评估寿命预测，依阈值和性能损失分类修正模型，实现动态预测。然而，上述方法假设所有条件因素为独立变量来构建结构方程以预测系统性能，但在实际隧道工程中，许多因素相互关联、相互影响，如地质条件与隧道沉降、渗漏等缺陷之间存在复杂的耦合关系，这种假设可能无法准确反映真实情况，这使得模型在实际应用时，可能需要额外的调整或修正来适应实际的耦合效应，分析不够高效、准确。且除地质条件外，隧道周围环境因素，如地下水动态变化、周边建筑物振动等也会对隧道结构性能产生影响，但模型可能未充分纳入这些因素的长期动态变化过程及其对外推预测的影响，导致模型的外推能力不强。

4、总之，现有技术存在的问题是：对于半密闭空间建筑动态损伤追踪的效率不高、准确性不高、模型外推能力不强。

技术实现思路

1、本发明的目的在于提供一种半密闭空间建筑结构力学响应预测、动态损伤追踪方法，效率高，泛化能力强，精度高。

2、实现本发明目的的技术解决方案为：

3、一方面，提供一种基于结构力学响应模型的半密闭空间建筑结构力学响应预测方法，包括：

4、基于城市建筑数字孪生技术，结合数值仿真方法，进行结构力学响应模拟，构建初始结构力学响应数据库；

5、构建结构力学响应预测网络，结合初始结构力学响应数据库，通过数据训练与优化，构建结构力学响应模型；

6、基于结构力学响应模型，实现对半密闭空间建筑长期服役下结构力学响应的预测。

7、优选地，初始结构力学响应数据库构建步骤包括：

8、利用城市建筑数字孪生技术，生成带有外部环境的真实半密闭空间数字孪生体；

9、通过半密闭空间建筑设计规范获取真实半密闭空间数字孪生体的内部结构信息；

10、基于神经核表面重建算法，构建半密闭空间区域数字孪生体；

11、组合多个半密闭空间区域数字孪生体，构建半密闭空间区域数字孪生数据集；

12、构建数字孪生神经网络，利用半密闭空间区域数字孪生数据集进行训练和优化，生成数字孪生生成模型；

13、借助数字孪生生成模型，获取带内部结构和外部环境的半密闭空间区域数字孪生体；

14、通过建筑单体的物理连接网络，利用有限元结构力学分析方法，构建建筑单体的力学特性关联网络；

15、借助建筑单体的力学特性关联网络，考虑局部子结构脉冲激励修正，进行结构力学响应模拟，构建以建筑单体长期服役工况为输入、以建筑单体长期服役下的结构响应为输出的初始结构力学响应数据库。

16、优选地，半密闭空间区域数字孪生数据集中的数据特征为：[半密闭空间建筑编号，区域大小，半密闭空间建筑类型，半密闭空间建筑长，半密闭空间建筑宽，半密闭空间建筑高，半密闭空间建筑节点编号，半密闭空间建筑节点x轴位置，半密闭空间建筑节点y轴位置, 半密闭空间建筑节点z轴位置]；

17、初始结构力学响应数据库中的数据特征为：[半密闭空间建筑编号，当前时刻半密闭空间建筑服役时间，半密闭空间建筑类型，半密闭空间建筑环境，半密闭空间建筑质量，半密闭空间建筑使用强度，半密闭空间建筑材料特性，半密闭空间建筑节点编号，半密闭空间建筑节点是否属于结构化网格，半密闭空间建筑节点在x轴位置，半密闭空间建筑节点在y轴位置，半密闭空间建筑节点在z轴位置，半密闭空间建筑节点在x轴所受的外力，半密闭空间建筑节点在y轴所受的外力，半密闭空间建筑节点在z轴所受的外力，半密闭空间建筑节点应力，半密闭空间建筑节点应变，半密闭空间建筑节点位移]。

18、优选地，数字孪生神经网络构建步骤包括：

19、以半密闭空间区域数字孪生数据集中的输入特征为第一多层感知机神经网络的输入，以半密闭空间区域数字孪生数据集中的输出特征为第一多层感知机神经网络的输出，构建生成器；

20、以半密闭空间区域数字孪生数据集中的输出特征为第二多层感知机神经网络的输入，以对应的真实性概率为第二多层感知机神经网络的输出，构建判别器；

21、生成器和判别器构成生成对抗网络，即数字孪生神经网络。

22、优选地，还包括：

23、基于初始结构力学响应数据库，构建时空状态矩阵；

24、利用序列蒙特卡洛方法，结合知识约束优化实现未来状态模拟，构建动态结构力学响应数据库；

25、构建结构力学响应预测网络，结合动态结构力学响应数据库，通过数据训练与优化，构建结构力学响应模型。

26、优选地，动态结构力学响应数据库构建步骤包括：

27、通过将各时间切片下静态参考的节点数据按照同一半密闭空间建筑经由时间排序，通过对时间、空间项进行二维插值，构建相对连续时间状态下该半密闭空间建筑的时空状态矩阵；时空状态矩阵是以时间项为矩阵行特征、以空间项为矩阵列特征、以半密闭空间建筑节点编号为矩阵元素的数据集编号矩阵，其中空间项根据节点位置与原点之间的距离获取；

28、运用统计分析库，对时空状态矩阵按照不同时间维度分别进行拟合分布，获取每个分布函数的参数；

29、通过专家打分方法，借助数据拟合模型，构建知识约束神经网络，并将知识约束神经网络嵌入到序列蒙特卡洛的正则化项计算中，实现序列蒙特卡洛与知识约束优化结合，构建序列蒙特卡洛与知识约束优化结合模型；

30、基于所获取的每个分布函数的参数，设置抽样次数以及步长，借助构建序列蒙特卡洛与知识约束优化结合模型，模拟可能出现的各种未来状态，实现未来状态模拟；

31、将模拟得到的未来状态作为新的数据特征拼接到时空状态矩阵中的数据特征中，构建动态结构力学响应数据库。

32、优选地，结构力学响应预测网络包括结构力学响应预测网络编码器、结构力学响应预测网络处理器和结构力学响应预测网络解码器；

33、结构力学响应预测网络编码器中：利用第三多层感知机神经网络分别构建节点特征网格编码器和边特征网格编码器，并引入层次化编码策略，形成网格编码器；利用第一隐式神经网络分别构建节点特征隐式编码器和边特征隐式编码器，并引入层次化编码策略，形成隐式编码器；借助第一前馈神经网络分别对网格编码器和隐式编码器赋予动态权重，加权融合网格编码器和隐式编码器，形成结构力学响应预测网络编码器；

34、结构力学响应预测网络处理器中：利用第一三维卷积神经网络分别构建节点结构化网格处理器和边结构化网格处理器，借助层次化处理策略，形成结构化网格处理器；利用串联的第四多层感知机神经网络和第二隐式神经网络分别构建节点非结构化网格处理器和边非结构化网格处理器，借助层次化处理策略，形成非结构化网格处理器；

35、结构力学响应预测网络解码器中：以引入注意力机制结合平均池化操作的第二三维卷积神经网络构建结构化网格处理器，以引入注意力机制结合平均池化操作的第五多层感知机神经网络构建非结构化网格解码器；其中，结构化网格处理器的输入为结构化网格处理器的输出，非结构化网格解码器的输入为非结构化网格处理器的输出。

36、第二方面，还提供一种基于结构力学响应模型的半密闭空间建筑动态损伤追踪方法，包括：

37、基于第二利用前馈神经网络，构建服役寿命预测模型；

38、借助如上所述的结构力学响应模型，结合毁伤判定方法、数据动态重构方法，实现半密闭空间建筑动态损伤追踪。

39、优选地，半密闭空间建筑动态损伤追踪步骤包括：

40、通过对半密闭空间建筑真实数据的实时采集，对初始/动态结构力学响应数据库进行实时修正；

41、利用借助结构力学响应模型，基于实时修正后的初始/动态结构力学响应数据库，获取相应结构力学响应的预测结果；

42、结合毁伤判定方法，进行节点毁伤量化，将节点毁伤量化值拼接到实时修正后的初始/动态结构力学响应数据库中；

43、借助拼接后的初始/动态结构力学响应数据库，进行半密闭空间建筑未来状态的模拟，获取半密闭空间建筑服役寿命，构建服役寿命预测数据集；

44、结合服役寿命预测数据集，对第二利用前馈神经网络进行训练与优化，构建服役寿命预测模型；

45、借助服役寿命预测模型，获取半密闭空间建筑在任意时刻下的服役寿命，求得服役寿命变化最大的时刻，进而获取对服役寿命影响最大的服役工况设计，实现动态损伤追踪。

46、优选地，服役寿命预测数据集的数据特征为：[半密闭空间建筑编号，当前时刻半密闭空间建筑服役时间，半密闭空间建筑类型，半密闭空间建筑环境，半密闭空间建筑质量，半密闭空间建筑使用强度，半密闭空间建筑材料特性，半密闭空间建筑服役寿命]。

47、本发明与现有技术相比，其显著优点为：

48、1.效率更高：结合多层感知机神经网络和隐式神经网络、三维卷积神经网络构建编码器、处理器和解码器，得到具有高效三维时空物理场预测能力的结构力学响应预测网络，并借助动态结构力学数据库，得到结构力学响应模型，通过构建服役寿命预测模型，借助结构力学响应模型，进一步实现高效半密闭空间建筑动态损伤追踪；

49、2.准确性更高：构建内部结构-环境双向数字孪生生成模型，构建力学特性关联网络，构建时空状态矩阵，构建具有精准的拓扑关系、力学特性、时空动态关系的动态结构力学响应数据库，并进一步构建考虑拓扑关系、力学特性、时空动态关系的结构力学响应模型，结合服役寿命预测模型，构建半密闭空间建筑动态损伤精准预测方法；

50、3.外推能力更强：构建考虑拓扑关系、力学特性、时空动态关系的结构力学响应模型，构建具有强大三维物理场学习预测能力的结构力学响应神经网络，训练优化，得到具有强大外推能力的结构力学响应模型，进一步构建具有强大外推能力的半密闭空间动态损伤追踪方法。

51、下面结合附图和具体实施方式对本发明作进一步的详细描述。