[发明专利]一种重力坝非溢流断面优化方法、装置及电子设备在审
| 申请号: | 202210794732.7 | 申请日: | 2022-07-07 |
| 公开(公告)号: | CN114861288A | 公开(公告)日: | 2022-08-05 |
| 发明(设计)人: | 于琦;林恩德;胡永胜;姚翔龙;房宽达;张志军 | 申请(专利权)人: | 中国长江三峡集团有限公司 |
| 主分类号: | G06F30/13 | 分类号: | G06F30/13;G06F111/04;G06F119/14 |
| 代理公司: | 北京三聚阳光知识产权代理有限公司 11250 | 代理人: | 叶云花 |
| 地址: | 100038 *** | 国省代码: | 北京;11 |
| 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 重力坝 溢流 断面 优化 方法 装置 电子设备 | ||
1.一种重力坝非溢流断面优化方法,其特征在于,所述方法包括:
获取进行重力坝非溢流断面优化的设计变量;
根据所述设计变量,确定目标函数表达式;
获取与各个所述设计变量分别对应的约束条件;
按照预设规则,获得符合预设要求的所述设计变量的参数值,作为样本数据;
根据所述目标函数表达式,获取梯度表达式;
基于所述样本数据和随机梯度下降算法,对所述梯度表达式进行迭代训练,当所述设计变量的取值符合所述约束条件和预设的收敛条件时,结束迭代,获得最优化的设计变量的取值。
2.根据权利要求1所述的方法,其特征在于,所述获取进行重力坝非溢流断面优化的设计变量,具体包括:
获取进行重力坝非溢流断面优化的第一设计变量;
按照预设筛选规则,对所述第一设计变量进行筛选,获取第二设计变量,作为进行重力坝非溢流断面优化的设计变量。
3.根据权利要求1所述的方法,其特征在于,所述设计变量包括上游坡度、下游坡度、上游折坡点高度与坝高比值,及下游折坡点高度与坝高比值;所述根据所述设计变量,确定目标函数表达式,具体为:
根据所述上游坡度、所述下游坡度、所述上游折坡点高度与坝高比值、及所述下游折坡点高度与坝高比值,确定所述目标函数表达式。
4.根据权利要求3所述的方法,其特征在于,所述约束条件具体包括:
所述上游折坡点高度与坝高比值取值范围为0~1之间,所述下游折坡点高度与坝高比值取值范围为0~1之间,下游折坡点距坝底高度不小于上游水位距坝底高度的0.9倍,所述上游坡度取值范围在0~0.2之间,所述下游坡度取值范围在0.6~0.8之间,抗滑稳定安全系数大于3.0,坝踵不受拉应力及坝址压应力在混凝土材料允许压应力范围内。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标函数表达式,获取梯度表达式,具体为:
基于所述目标函数表达式,获取各设计变量最小的方向梯度。
6.根据权利要求1所述的方法,其特征在于,所述基于所述样本数据和随机梯度下降算法,对所述梯度表达式进行迭代训练,当所述设计变量的取值符合所述约束条件和预设的收敛条件时,结束迭代,获得最优化的设计变量的取值,具体包括:
根据预设规则,确定各设计变量的学习率取值;
基于所述梯度表达式,获取所述样本数据中各设计变量方向梯度的学习率调整系数;
根据预设规则,基于所述学习率取值和所述学习率调整系数,对学习率进行缩减;
根据预设规则和学习率的缩减情况,获取第N次迭代后各所述设计变量的取值;
若获取的各所述设计变量的取值符合所述约束条件和预设的收敛条件,结束迭代,获得最优化的设计变量的取值。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述当所述设计变量的取值符合所述约束条件和预设的收敛条件时,结束迭代,获得最优化的设计变量的取值,具体包括:
若所述设计变量的取值符合所述约束条件,则根据迭代的当前所述设计变量的取值计算目标函数的函数值;
若两次函数值之差小于阈值,则结束迭代,获得最优化的设计变量的取值。
8.一种重力坝非溢流断面优化装置,其特征在于,所述装置包括:
获取模块,用于获取进行重力坝非溢流断面优化的设计变量;
目标函数模块,用于根据所述设计变量,确定目标函数表达式;
约束条件模块,用于获取与各个所述设计变量分别对应的约束条件;
样本数据模块,用于按照预设规则,获得符合预设要求的所述设计变量的参数值,作为样本数据;
梯度模块,用于根据所述目标函数表达式,获取梯度表达式;
优化模块,用于根据所述样本数据,对所述梯度表达式进行迭代训练,当所述设计变量的取值符合所述约束条件和预设的收敛条件时,结束迭代,获得最优化的设计变量的取值。
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中国长江三峡集团有限公司,未经中国长江三峡集团有限公司许可,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/202210794732.7/1.html,转载请声明来源钻瓜专利网。





