[发明专利]一种基于ResNet的屋面钢板结构载荷评估方法

说明书

本发明涉及一种基于ResNet的屋面钢板结构的载荷评估方法。本方法包含以下几个步骤：使用Ansys有限元分析软件对屋面的钢板结构进行有限元仿真，确定应变采集位置，并得到不同载荷对应的应变值；对获得的应变值进行数据筛选、清洗，建立屋面板材机构载荷‑应变数据库，并划分训练集与测试集；使用ResNet34对训练集数据训练，并在测试集进行测试，得到测试结果；并使用平均相对误差作为评价指标。完成数据预处理后，使用训练集对ResNet34模型进行训练，在测试集上对模型进行评估；然后将训练好的ResNet模型用于屋面钢板结构的载荷预测。本发明对屋面钢板结构载荷进行了准确的检测，实用性强，比传统计算载荷的方法准确度高。可广泛应用于屋面钢板结构载荷计算领域。

技术领域

本发明涉及屋面钢板结构载荷计算领域，具体为一种基于ResNet的屋面钢板结构载荷评估方法。

背景技术

在建筑屋面改造过程中，采用钢板屋面施工法为主要的施工工艺。在实际的过程中，屋盖刚度的增大能影响结构整体刚度，保证结构的稳定性和安全性。但国内的研究较少，因此有必要对该结构类型进行有限元整体静力分析，有限元分析是现今辅助试验研究的一种必要手段，能弥补试验分析耗时、参数分析有限、耗费人力资金等缺点。

国外对屋面钢板的研究最早开始于上世纪中期，最早是使用胶合板材作为屋面板；到20世纪80年代，国外的建筑行业开始使用钢板作为屋面，并且对不同的屋面钢板进行试验研究，通过对不同屋面钢板的厚度，钢板的尺寸等等进行有限元与实验分析。得到钢板结构在不同环境，不同地理位置等条件下，钢板承载力的大小。

对于钢板承受载荷的测量，一般分为直接方法与间接方法。工程中的直接法一般是使用力传感器，但是力传感器有一定的缺点。力传感器本身的质量较大，对于测量质量较小的钢板时，力传感器会影响测量的载荷大小。并且力传感器的精度不高，采集的载荷容易出现误差。因此，在工程中，一般都采用间接法计算载荷。使用应变片或光纤光栅测量不同加载载荷对应的应变值，再通过载荷标定方程等方法，计算标定矩阵，得到载荷值。但是载荷标定方程无法很好的表现出非线性因素，由于实际的钢板测量会出现温度、湿度等影响。会导致应变与载荷之间并非完全的线性关系。因此，使用神经网络方法计算屋面钢板载荷。传统的深度神经网络参数较多，训练时间较长，容易出现过拟合。综合考虑之下，本发明采用ResNet34的房屋钢板结构载荷评估方法，加入应变之间的相对位置信息，完成更高精度的屋面钢板载荷计算。

发明内容

本发明的目的包括两个：(1)解决在传统的载荷计算方法中，对屋面钢板载荷计算精度较低的问题。(2)辅助计算屋面钢板的承载力，提升屋面钢板载荷计算的精度。基于以上两个目的，本发明提供一种基于ResNet34的屋面钢板载荷评估方法。

为了实现以上目的，本发明采用的技术方案如下：

一种基于ResNet34的屋面钢板结构载荷评估方法，包括以下几个步骤：

步骤1：根据屋面钢板的实际结构，进行受力分析与结构模型建立，并在Ansys有限元分析软件中建立屋面钢板结构模型；

步骤2：在Ansys有限元仿真软件中进行有限元仿真，选择载荷加载位置，并施加多次不同大小的载荷，采集载荷加载时对应的钢板结构所有有限元结构的应变，建立屋面钢板的载荷-应变数据库；

步骤3：选择实验时的光纤光栅布点的位置；根据实验的布点位置，清洗并筛选出仿真时对应的应变值，并进行数据预处理；

建立模型的训练集、验证集和测试集；

步骤4：使用训练集训练ResNet34模型，将二维的网络修改为一维网络，输入维度改为应变总数；

步骤5：使用测试集测试训练好的ResNet34的性能，然后将模型用于屋面钢板结构的载荷评估，并输出平均相对误差。

上述方案中，步骤2，对屋面钢板结构的有限元分析，其具体步骤如下：