[发明专利]基于优化深度多储备池ESN模型的桥墩沉降预测方法及系统

权利要求书

1.一种基于优化深度多储备池ESN模型的桥墩沉降预测方法，其特征在于，所述方法包括：

S1，利用光纤光栅传感器，采集桥墩沉降变形数据，将桥墩沉降变形数据归一化作为样本数据集；

S2，建立深度多储备池回声状态网络预测模型，使用样本数据集训练深度多储备池回声状态网络预测模型；

S3，利用阿基米德优化算法对深度多储备池回声状态网络预测模型进行超参数优化，根据超参数优化结果重新训练，最终生成用来预测的深度多储备池回声状态网络预测模型；

S4，通过最终生成的深度多储备池回声状态网络预测模型对桥墩沉降进行预测，得到预测结果。

2.如权利要求1所述的一种基于优化深度多储备池ESN模型的桥墩沉降预测方法，其特征在于，步骤S1具体包括：将五个光纤光栅测量结构均匀埋设在桥墩底部与地面衔接的一面，所述光纤光栅测量结构由一根柔性杆和若干光纤光栅传感器组成，将若干光纤光栅按等间隔的距离布置于柔性杆上，根据柔性杆上分布的光纤光栅传感器测量其表面的应变分布，计算出每根柔性杆沉降量，取平均值，即为桥墩沉降量。

3.如权利要求2所述的一种基于优化深度多储备池ESN模型的桥墩沉降预测方法，其特征在于，所述根据柔性杆上分布的光纤光栅传感器测量其表面的应变分布，计算出每根柔性杆沉降量具体包括：将柔性杆划分为n个单元梁，柔性杆的两端固定后作为绝对位置，将其中一端作为固定端，当柔性杆弯曲时，推导出非固定端的挠度位移与柔性杆表面应变之间的关系式，从而计算出柔性杆的沉降量，其推导过程包括：

将第一段单元梁作为分析对象，计算第一段单元梁上距离固定端x处的表面应力σ_x，其表达式为

其中，M_x为单元梁的弯矩，R₁为计算点到中性层的距离，I_y为单元梁的惯性矩，F为单元梁所受到的作用力，L为单元梁的长度，R为单元梁表面到中性层的距离，此处即为柔性杆的半径；

根据x处的表面应力推导出x处应变ε_x，其表达式为

其中，E为弹性模量；

计算第一段单元梁上距离固定端x处的挠度的二阶导ω_x”，其表达式为

对所述挠度的二阶导ω_x”进行一次积分，计算出第一段单元梁上距离固定端x处的转角θ_x，其表达式为

其中，C₁为常数；

对所述挠度的二阶导ω_x”进行两次积分，计算出第一段单元梁上距离固定端x处的挠度ω_x，其表达式为

其中，C₂为常数；

当x为固定端即x＝0时，θ_x＝0，ω_x＝0，代入二者的上述表达式，可以得出C₁＝C₂＝0，可得出：

将每段单元梁相对于前一段单元梁的转角称为端部转角，单元梁的端部转角θ_i的表达式为

根据上述推导计算出每段单元梁相对于水平位置的挠度位移量和转角，进而计算出柔性杆前n段单元梁的挠度和，即为单个柔性杆的沉降量，其计算公式为