基本信息:
- 专利标题： 基于机器学习的锚下预应力检测方法、系统、介质及设备
- 申请号：CN202410198286.2 申请日：2024-02-22
- 公开(公告)号：CN118228571A 公开(公告)日：2024-06-21
- 发明人： 刘博恺 , 张峰 , 王川 , 刘纹衡 , 马川义
- 申请人： 山东高速集团有限公司 , 山东大学 , 山东大学（齐河）新材料与智能装备研究院
- 申请人地址： 山东省济南市历下区龙奥北路8号
- 专利权人： 山东高速集团有限公司,山东大学,山东大学（齐河）新材料与智能装备研究院
- 当前专利权人： 山东高速集团有限公司,山东大学,山东大学（齐河）新材料与智能装备研究院
- 当前专利权人地址： 山东省济南市历下区龙奥北路8号
- 代理机构： 济南圣达知识产权代理有限公司
- 代理人： 张庆骞
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F30/13 ; G06N7/01 ; G06F119/14
摘要：
本发明公开了一种基于机器学习的锚下预应力检测方法、系统、介质及设备，涉及预应力张拉测试技术领域。该方法包括步骤：获取反拉法试验数据，并根据试验数据绘制张拉力‑延伸量关系曲线；根据张拉力‑延伸量关系曲线中张拉力与夹片的延伸量关系计算锚下预应力；构建咬合力模型，并基于贝叶斯和马尔科夫链蒙特卡洛机器学习算法对咬合力模型进行修正，得到修正后的咬合力模型；利用修正后的咬合力模型处理咬合力测试数据，得到咬合力值；剔除锚下预应力中咬合力的影响，得到锚下有效预应力。本发明能够利用基于机器学习的夹片咬合力动态修正模型，对咬合力进行动态修正，使预测结果精度大幅度提高，进而提高锚下预应力检测的准确度。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |