[发明专利]一种水工弧形钢闸门参数荷载识别方法有效

专利信息
申请号: 202110277298.0 申请日: 2021-03-15
公开(公告)号: CN113158297B 公开(公告)日: 2022-11-08
发明(设计)人: 刘计良;司政;李炎隆;刘云贺 申请(专利权)人: 西安理工大学
主分类号: G06F30/13 分类号: G06F30/13;G06F30/17;G06F30/23;G06F30/27;G06N3/04;G06N3/08
代理公司: 西安弘理专利事务所 61214 代理人: 戴媛
地址: 710048 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 水工 弧形 闸门 参数 荷载 识别 方法
【权利要求书】:

1.一种水工弧形钢闸门参数荷载识别方法,其特征在于,具体按照以下步骤实施:

步骤1、根据弧形钢闸门的结构特点,建立反映原型弧形钢闸门动力特性的空间框架简化模型;

步骤1.1、应用有限元软件分析弧形钢闸门的动力特性,根据闸门的结构特点,对不同的构件选用合适的单元进行模拟,获得闸门的自振频率及振型;

步骤1.2、考虑面板的影响,将面板质量分配在主横梁上,忽略曲梁曲率的影响,以直梁代替曲梁,经过结构简化建立弧形钢闸门的空间框架简化模型,采用动力刚度法分析该简化模型的动力特性,获得其自振频率及振型;

步骤1.3、比较弧形钢闸门及其空间框架简化模型的动力特性,以二者相近为原则调整空间框架简化模型,确定面板的质量分配比例及各构件的尺寸,确定参数荷载在各支臂上的分配,最终建立能反映原型闸门动力特性的简化模型;

步骤2、根据空间框架简化模型构建弧形钢闸门参数振动有限元动力微分方程;

所述步骤2具体为,建立的弧形钢闸门参数振动有限元动力微分方程为:

式中,M、C、K、S分别为空间框架的质量矩阵、阻尼矩阵、弹性刚度矩阵和几何刚度矩阵,在形成有限元特征矩阵M、C、K、S时,采用的形函数为满足杆件自由振动微分方程的精确形函数;x(t)分别为加速度、速度和位移向量,t表示时间;P0+Ptcosθt=P(t)为参数荷载,P0为静力荷载,Ptcosθt为动力荷载,Pt为幅值,θ为频率;

步骤3、根据给定的荷载对参数振动有限元方程进行动力时程分析;

步骤3.1、设置相关参数并计算积分常数:

选择时间步长Δt=ti+1-ti(i=0,1,2,3……),ti+1和ti分别表示相邻的两时刻;设置参数β和γ的值,β取区间[0,0.25]上的值,为保证时程分析法具有二阶精度,γ的值取0.5;计算积分常数:a6=Δt(1-γ),a7=γΔt;确定x(t)的初始时刻的值x(t0);

步骤3.2、形成等效刚度矩阵

步骤3.3、计算ti+1时刻的等效荷载

步骤3.4、由下式求解ti+1时刻的位移x(ti+1):

步骤3.5、计算ti+1时刻的加速度和速度:

重复步骤3.3-步骤3.5,得到所选取时间段的任一时间点的动力响应;

步骤4、构建参数荷载识别的BP神经网络模型;

步骤5、将动力时程分析的数据作为学习样本训练参数荷载识别的BP神经网络模型;

步骤6、检验参数荷载识别的BP神经网络模型的有效性。

2.根据权利要求1所述的一种水工弧形钢闸门参数荷载识别方法,其特征在于,所述步骤4具体为,构建BP神经网络模型来识别弧形钢闸门的参数荷载,该BP神经网络模型的拓扑结构为:包含1个输入层、1个隐层和1个输出层,输入层的输入为结构的动力响应,输入层神经元的个数由测点的个数确定,输出层的输出为参数荷载,输出层神经元的个数由作用在支臂上的参数荷载的个数确定,隐层神经元的个数取10。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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西安理工大学,未经西安理工大学许可,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/202110277298.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top