[发明专利]大交通流量下长时段桥梁荷载效应提取方法在审
| 申请号： | 202210488230.1 | 申请日： | 2022-05-06 |
| 公开（公告）号： | CN114741973A | 公开（公告）日： | 2022-07-12 |
| 发明（设计）人： | 陈悦;沈培文 | 申请（专利权）人： | 重庆交通大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06F30/13;G06N3/04;G06N3/08;G06F119/14 |
| 代理公司： | 北京海虹嘉诚知识产权代理有限公司 11129 | 代理人： | 胡博文 |
| 地址： | 400074 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 交通 流量 时段 桥梁 荷载 效应 提取 方法 | ||
1.一种大交通流量下长时段桥梁荷载效应提取方法，其特征在于：包括如下步骤：
S1.构建神经网络模型；
S2.将车辆样本数据输入到神经网络模型进行网络模型训练，得到训练好的神经网络模型；
S3.采集实时的车辆数据，并将所述车辆数据输入到训练好的神经网络模型，输出时间段T内的车辆数据；
S4.根据桥梁的横向分布影响线，确定桥梁中各片梁的横向分布情况；
S5.根据各片梁的横向分布情况及桥梁纵向弯矩影响线计算受力最不利梁的跨中弯矩影响线；
S6.将梁长作为总步长L，以步距X作为步长移动距离，将时间段T内的车辆数据逐步加载在受力最不利梁的跨中弯矩影响线上，计算每步产生的跨中弯矩效应。
2.根据权利要求1所述的大交通流量下长时段桥梁荷载效应提取方法，其特征在于：步骤S2中，还包括：将车辆样本数据输入到神经网络模型之前，检查车辆样本数据的正确性并对车辆样本数据进行归一化处理。
3.根据权利要求1所述的大交通流量下长时段桥梁荷载效应提取方法，其特征在于：所述步骤S2，具体包括：
S21.将车辆样本数据输入到神经网络模型，输出实际输出值；
S22.判断实际输出值与期望输出值之间的误差是否在设定的范围内，若是，则训练结束，并进入步骤S23；若否，则调整神经网络模型中的参数值，并重复步骤S21-S22；
S23.将训练结束后的神经网络模型作为训练好的神经网络模型。
4.根据权利要求3所述的大交通流量下长时段桥梁荷载效应提取方法，其特征在于：根据如下公式确定实际输出值与期望输出值之间的误差E：
其中，dk为期望输出值，yk为实际输出值，k为输出层神经元总个数；i为输入层神经元总个数。
5.根据权利要求1所述的大交通流量下长时段桥梁荷载效应提取方法，其特征在于：所述车辆数据包括车型、日交通量、车道横向分布、车间距以及车重。
6.根据权利要求1所述的大交通流量下长时段桥梁荷载效应提取方法，其特征在于：所述横向为桥梁的桥宽方向，所述纵向为桥梁的桥长方向。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆交通大学，未经重庆交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210488230.1/1.html，转载请声明来源钻瓜专利网。
