(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210942845.7 (22)申请日 2022.08.08 (71)申请人 天津大学 地址 300350 天津市津南区雅观路13 5号 (72)发明人 王枭华　王超　张社荣　贾贺　 刘宽　闫军涛　 (74)专利代理 机构 西安方诺专利代理事务所 (普通合伙) 61285 专利代理师 杨进玉 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/23(2020.01) G06T 17/20(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 111/10(2020.01) G06F 119/14(2020.01) (54)发明名称 爆炸荷载作用下混凝土重力坝结构动力响 应及破坏程度的评估方法 (57)摘要 本发明公开了一种爆炸荷载作用下混凝土 重力坝结构动力响应及破坏程度的评估方法， 包 括以下步骤： S1、 建立混凝土重力坝有限元模型 并划分训练集、 验证集和测试集； S2、 建立 Attention ‑LSTM模型， 并根据步骤S1得到的训练 集、 验证集和测试集对Attention ‑LSTM模型进行 训练和评估， 得到训练好的Attention ‑LSTM模 型； S3、 利用步骤S2得到的训练好 的Attention ‑ LSTM模型进行动态响应预测并对损伤评估参数 进行提取， 得到振动峰值速度和域频率； S4、 根据 步骤S3得到的振动 峰值速度和域频率建立多层 感知机模型， 然后建立评价启 动机制， 根据多层 感知机模型对大坝的破坏程度进行评价。 权利要求书3页 说明书7页 附图5页 CN 115422630 A 2022.12.02 CN 115422630 A 1.一种爆炸荷载作用下混凝土重力坝结构动力响应及破坏程度的评估方法， 其特征在 于， 包括以下步骤： S1、 建立混凝 土重力坝有限元模型并划分训练集、 验证集和 测试集； S2、 建立Attention ‑LSTM模型， 并根据步骤S1得到的训练集、 验证集和测试集对 Attention‑LSTM模型进行训练和评估， 得到训练好的A ttention‑LSTM模型； S3、 利用步骤S2得到的训练好的Attention ‑LSTM模型进行动态响应预测并对损伤评估 参数进行提取， 得到振动峰值速度和域频率； S4、 根据步骤S3得到的振动峰值速度和域频率建立多层感知机模型， 然后建立评价启 动机制， 当达到大坝破坏评价启动阈值后， 根据多层感知机模型对大坝的破坏程度进行评 价。 2.根据权利要求1所述的爆炸荷载作用下混凝土重力坝结构动力响应及破坏程度的评 估方法， 其特 征在于， 步骤S1具体包括以下步骤： S101： 采用hypermesh建立空气 ‑水‑炸药‑大坝‑岩基全耦合三维混凝土重力坝有限元 模型， 并设置不同爆炸 工况模拟不同的爆炸场景； S102： 利用步骤S101建立的混凝土重力坝有限元模型对步骤S101设置的爆炸工况进行 混凝土重力坝数值仿真， 得到数值仿真结果； S103： 提取步骤S102得到的数值仿真结果中的结构动力响应数据： 加速度、 荷载、 位移、 速度和大坝最终损伤状态； S104： 将步骤S103提取得到 的加速度、 荷载、 位移和速度数据分别按照8:1:1的比例划 分得到训练集、 验证集和 测试集。 3.根据权利要求2所述的爆炸荷载作用下混凝土重力坝结构动力响应及破坏程度的评 估方法， 其特 征在于， 步骤S2具体包括以下步骤： S201： 在含有两层的LSTM  Cell预测模型的第一层 LSTM Cell前引入Attention层， 在第 一层LSTM Cell与第二层LSTM  Cell之间加入dropout层， 得到A ttention‑LSTM模型； S202： 对步骤S201得到的Attention ‑LSTM模型进行训练， 具体为将训练集中的加速度 和荷载数据作为输入， 将训练集中的速度、 位移和大坝最 终损伤状态数据作为输出， 建立加 速度和荷载与速度、 位移和大坝最终损 伤状态之间的关联， 得到训练后的Attention ‑LSTM 模型； S203： 利用验证集和测试集中 的数据对步骤S202得到的训练后的Attention ‑LSTM模型 进行评估， 评估完成后， 得到训练好的A ttention‑LSTM模型。 4.根据权利要求3所述的爆炸荷载作用下混凝土重力坝结构动力响应及破坏程度的评 估方法， 其特征在于， 步骤S203中， 所述训练后的Attention ‑LSTM模型进行评估时的评估指 标为平均绝对误差和标准差， 平均绝对误差和标准差的计算公式如下 所示： 其中， m和n均是样本数量， 和ypeak分别是预测峰值振动速度和真实峰值振动速度，权　利　要　求　书 1/3 页 2 CN 115422630 A 2yp是模型预测特征结果， yi是实际特 征结果。 5.根据权利要求1所述的爆炸荷载作用下混凝土重力坝结构动力响应及破坏程度的评 估方法， 其特 征在于， 步骤S3具体包括以下步骤： S301： 利用传感器监测真实爆炸过程中的荷载和加速度， 得到实际荷载数据和 实际加 速度数据； S302： 将步骤S301获得的实际荷载数据和实际加速度数据输入到步骤S2得到的训练好 的Attention‑LSTM模型中， 输出 预测峰值振动速度； S303： 确定峰值振动速度和域频率作为破坏评价指标； S304： 基于步骤3 02中的预测峰值振动速度提取峰值振动速度和域频率。 6.根据权利要求5所述的爆炸荷载作用下混凝土重力坝结构动力响应及破坏程度的评 估方法， 其特 征在于， 步骤S3 04具体包括以下步骤： S3041： 根据步骤S302中的预测峰值振动速度选取x、 y、 z三个方向的最大振动速度， 并 选取三个方向中最大的峰值振动速度作为振动峰值速度； S3042： 采用Lomb ‑Scargle周期图方法对步骤S3041得到的振动峰值速度进行频谱分析 计算得到域频率， 域频率的计算公式如下： 其中， ω＝2π f, σ2为方差， tj为时间平移不变量， f为频率， Xj为第j个样本的峰值振动速 度， 为样本X的期望， τ 为时间延迟， 且时间延迟 τ 由以下公式定义： 其中， ω＝2 π f， f为频率， ti为时间平 移不变量。 7.根据权利要求1所述的爆炸荷载作用下混凝土重力坝结构动力响应及破坏程度的评 估方法， 其特 征在于， 步骤S4具体包括以下步骤： S401： 选取多个步骤S3得到的振动峰值速度和域频率的数据， 将选取得到的多个振动 峰值速度和域频率的数据按照9:1的比例划分为训练集和 测试集； S402： 将步骤S401得到的训练集中的振动峰值速度和域频率的数据作 为输入对多层感 知机进行训练， 将对应的坝体破坏程度作为输出， 建立峰值速度和域频率与坝体破坏程度 之间的关系， 得到训练后的多层感知机模型； S403： 采用k值交叉验证方法通过步骤S401得到 的测试集对步骤S402得到 的训练后的 多层感知机模型进 行检验测试， 查看测试集准确率， 测试完成后， 得到训练好的多层感知机 模型； S404： 建立评价启动机制， 当达到大坝破坏评价启动阈值后， 根据步骤S403训练好的多 层感知机模型对大坝的破坏程度进行评价， 直接预测出坝体受损程度。 8.根据权利要求7所述的一种有限元与深度 学习相结合的爆炸荷载作用下混凝土重力 坝结构动力响应计算方法， 其特征在于， 步骤S402中， 所述多层感知机包含4层隐含层， 每层 含有10个节点， 激活函数采用rule函数， 输出层节点数量为3， 输出层激活函数为softmax， 训练次数为10 000次， 训练批次为32。权　利　要　求　书 2/3 页 3 CN 115422630 A 3