[发明专利]基于条件生成对抗网络模型的工程结构荷载反演方法

说明书

本发明公开了一种基于条件生成对抗网络模型的工程结构荷载反演方法，在训练阶段，首先通过有限元计算或现场实测得到不同荷载下结构的结构响应以及对应的加载条件，并基于条件生产对抗网络模型训练两个深度神经网络G和D，训练完成之后，以现场测得的结构响应信息输入生成网络G，得到对应的加载条件。本发明可以高效地反演结构荷载，将有效解决工程运营期状态和性能监测中不明确结构状态时的荷载反演问题。

技术领域

本发明属于土木结构工程与计算机视觉的交叉领域，特别涉及一种基于条件生成对抗网络模型的工程结构荷载反演方法。

背景技术

结构所受荷载直接关系到结构的运营安全，因此工程结构荷载的实时监测具有十分重要的意义。但结构所受荷载往往无法直接测得，需要根据结构响应结合结构形式及材料性质识别得到。尤其服役期的结构，其材料性质随运营过程发生退化，基于初始的物理参数无法准确识别服役阶段荷载信息。因此利用结构响应信息识别结构服役期荷载信息，并考虑结构物理性能退化，对于结构的维护及剩余寿命预测具有重要的工程意义。

传统的荷载反演方法，需要通过建立物理模型并求解结构的控制方程，来得到结构所受的外荷载。但当结构较复杂或结构长期服役后，其内部结构与材料性质都发生了改变，假设的物理模型往往不正确，因而模拟效果也不尽如人意。同时基于物理模型的荷载反演方法，往往只能反演局部位置的荷载，随着反演荷载数量增加，计算量也成倍增加，因而并不能实时反演整个结构物所受的荷载。

随着数据分析手段的进步以及以往大量工程数据的累积，用数据驱动的方式解决工程问题已得到了广泛应用。为解决传统力学方法不能对长期服役结构进行大范围的原位实时荷载反演的问题，本发明应用深度学习实现了根据原位结构响应对服役期结构的荷载反演。

发明内容

为了解决如何高效地利用结构响应信息反演状态未知的结构的外荷载的技术问题，本发明提供一种基于条件生成对抗网络的荷载反演方法，具体步骤如下：

一种基于条件生成对抗网络的荷载反演方法，包括以下步骤：

(1)首先通过有限元计算或现场实测得到不同荷载下结构的结构响应信息，并根据颜色渐变条将结构响应信息及加载情况分别绘制成图像，并进行分类、整理、配对，建立样本库。

(2)基于条件生成对抗网络模型，通过样本库训练两个深度神经网络：生成网络G和判断网络D。

(3)将生成模型输出的荷载信息图像，并通过像素值标定其中的荷载值。

(4)测试阶段，将现场测得的结构响应信息绘制成图像，输入步骤(2)中训练好的生成网络G，得到对应的荷载信息图像，并通过荷载信息图像中的像素值标定其中的荷载值。

进一步地，在基于条件生成对抗网络的荷载反演方法中，结构响应信息具体可以是：应力场、应变场、位移场、内力场。

进一步地，所述的步骤(1)中，得到结构响应信息的方法具体为：

在不知道结构内部情况时，通过布设大量密集的应变片，测得不同荷载条件下的结构响应，通过插值法得到对应的结构响应信息；

在知道结构内部情况时，通过有限元计算得到不同荷载条件下的结构响应，得到对应的结构响应信息。

进一步地，所述的步骤(1)中，根据颜色渐变条将其绘制成图像的方法具体为：根据颜色渐变条jet，将每一个位置的结构响应信息和荷载信息转化为对应的像素值，并进行绘制成图片。

进一步地，所述的步骤(2)中，生成网络G用来根据结构响应信息生成荷载信息，判断网络D用来区分输入的荷载信息是来自生成网络G还是真实的荷载信息，所述的条件生成对抗网络以结构响应信息为条件，其目标函数为：