[发明专利]锚杆轴力变化趋势预测方法

权利要求书

1.一种锚杆轴力变化趋势预测方法，其特征在于，包括：

采用振弦式传感器采集锚杆轴力，并存储所述锚杆轴力；

采集当前轴力参数，所述轴力参数包括：通过温度传感器采集的工程现场温度，通过水位计采集的地下水位高度，通过红外线测距仪测量的开挖位置与锚杆锚固位置之间的水平距离、开挖水平面与锚杆锚固位置所在平面之间的垂直距离；

通过粒子群算法，采用公式

v_i(k+1)＝wv_i(k)+c₁rand₁(P_best-X_i(k))+c₂rand₂(g_best-X_i(k)) (1)

X_i(k+1)＝X_i(k)+v_i(k+1) (2)

通过迭代优化的方式识别历史锚杆轴力的数量，其中，c₁,c₂为学习因子，其取值范围在(0，2)之间，rand₁和rand₂为随机数，取值在(0，1)之间，w表示动量系数，P_best、g_best值随迭代改变，其中一个是粒子在每次搜索中的最优解，称为个体极值P_best，另外一个是粒子群全部粒子在每次搜索中最优解，称为全局极值g_best，粒子个体通过公式(2)循环迭代逐渐逼近最优解；

将所述当前轴力参数和所述历史锚杆轴力作为学习样本采用极限学习机进行非线性映射学习，得到预测的锚杆轴力。

2.根据权利要求1所述的方法，其特征在于，所述得到预测的锚杆轴力之后，还包括：

将预测锚杆轴力与实测锚杆轴力相比较，若差值超出阈值，则根据差异进化算法优化所述极限学习机的参数。

3.根据权利要求1所述的方法，其特征在于，所述通过粒子群算法识别历史锚杆轴力的数量，包括：

根据轴力参数构建初始学习样本；

初始化粒子群算法；

根据所述初始学习样本采用所述粒子群算法迭代得到历史轴力数量。

4.根据权利要求2所述的方法，其特征在于，所述根据差异进化算法优化所述极限学习机的参数，包括：

设置差异进化算法参数，并随机产生第一代种群，所述差异进化算法参数包括种群数量、进化代数、交叉因子和放大因子；

根据所述差异进化算法参数对第一代种群中的每个个体对应极限学习机的权值和隐含层偏差进行训练，获得极限学习机的输出权值，从而获得所述极限学习机的拓扑结构；

通过检验样本对训练后的极限学习机进行预测检验，以预测最大相对误差作为差异进化算法的适应值；

任意选取所述极限学习机的输入层权值和隐含层偏差集合中两个输入层权值和隐含层偏差个体之间的差值乘以所述放大因子并叠加到集合中的第三个输入层权值和隐含层偏差个体上，形成新的输入层权值和隐含层偏差向量；

将目标输入层权值和隐含层偏差向量与输入层权值和隐含层偏差变异向量根据公式：

生成新的试样输入层权值和隐含层偏差向量，其中，所述x_ji(G+1)为目标输入层权值和隐含层偏差向量，所述v_ji(G+1)为输入层权值和隐含层偏差变异向量，所述u_ji(G+1)是交叉后生成的新的试样输入层权值和隐含层偏差向量，所述j＝1，2，…，D；所述r_j∈[0,1]为向量第j个分量对应的随机数，所述CR∈[0,1]为杂交概率常数，所述rn_i为在1，2，…，D中随机挑选一个整数，以确保变异输入层权值和隐含层偏差向量V_i(G+1)中，至少有一个分量被试样输入层权值和隐含层偏差向量u_i(G+1)采用。