(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 202211060801.8 (22)申请日 2022.08.30 (71)申请人 中铁二十四局集团有限公司 地址 200071 上海市 静安区会 文路2号 (72)发明人 李虎　吴英昊　宋洋　陈峰　 安治鑫　冯斌　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 李林合 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种装配式混凝 土构件的性能预测方法 (57)摘要 本发明公开了一种装配式混凝土构件的性 能预测方法， 涉及混凝土检测领域。 其包括如下 步骤： S1： 采用截面分析法构建基础数据库； S2： 基于对抗网络建立数据库增强模 型； 将基础数据 库带入数据库增强模型后得到增强数据库； S3： 基于深度置信神经网络建立性能预测模型， 并使 用增强数据库对性能预测模型进行训练； S4： 通 过机器视觉算法提取待测装配式混凝土构件的 外观损伤信息； S5： 将外观损伤信息和待测装配 式混凝土构件的构件结构信息作为输入参数输 入训练好的性能预测模型， 得到装配式混凝土构 件的性能预测结果； S6： 将性能预测结果通过人 机交互系统展现。 通过对性能预测模 型的优化调 整过程的重新设计， 能够更好的预测装配式混凝 土构件的性能。 权利要求书2页 说明书4页 附图2页 CN 115422638 A 2022.12.02 CN 115422638 A 1.一种装配式混凝 土构件的性能预测方法， 其特 征在于， 包括如下步骤： S1： 采用截面分析法构建基础数据库； S2： 基于对抗网络建立数据库增强模型； 将基础数据库带入数据库增强模型后得到增 强数据库； S3： 基于深度置信神经网络建立性能预测模型， 并使用增强数据库对性能预测模型进 行训练； S4： 通过机器视 觉算法提取待测装配式混凝 土构件的外观损伤信息； S5： 将外观损伤信 息和待测装配 式混凝土构件的构件结构信 息作为输入参数输入训练 好的性能预测模型， 得到装配式混凝 土构件的性能预测结果； S6： 将性能预测结果 通过人机交互系统展现。 2.根据权利要求1所述的装配式混凝土构件的性能预测方法， 其特征在于， 数据库增强 模型的优化方法包括如下： 惩罚项采用L2正则化； 生成器网络中RNN单元的数量为400， 且生成器的完全连接层数 量为100； 判别器网络中隐藏层的数量 为2， 且每 个隐藏层设置的神经 元数量为200； 使用Adam优化器对数据库增强模型进行训练， 学习率 为0.001。 3.根据权利要求2所述的装配式混凝土构件的性能预测方法， 其特征在于， 数据库增强 模型训练好后， 向数据库增强模型输入基础数据库数据对基础数据库进 行增强得到次增强 数据库； 将装配式混凝 土构件的真实纤维模型 数据与增强数据库合并， 得到增强数据库。 4.根据权利要求1所述的装配式混凝土构件的性能预测方法， 其特征在于， 性 能预测模 型的优化方法如下： 在深度置信神经网络的受限玻尔兹曼机前增加一层稀疏降噪自动编码器， 采用K折叠 交叉验证法和贝叶斯超参数调优法对性能预测模型进行优化。 5.根据权利要求1所述的装配式混凝土构件的性能预测方法， 其特征在于， 所述外观损 伤信息包括裂缝类型、 裂缝最大宽度和损伤面积； 所述构件结构信息包括构件尺寸大小、 混 凝土弹性模量和混凝 土强度。 6.根据权利要求1所述的装配式混凝土构件的性能预测方法， 其特征在于， 所述机器视 觉算法包括如下步骤： A1： 在待测装配式混凝土构件四周使用高清摄像机对构件表面进行图像采集得到待测 图像； A2： 对待测图像进行 预处理得到预处 理图像； A3： 对预处 理图像使用K均值聚类法区分得到损伤部位和健康部位； A4： 对损伤部位采用Can ny裂缝提取操作得到构件裂缝的边 缘纹路图像； A5： 对边缘纹路图像使用最大外 接矩形法得到构件裂缝的最大宽度和损伤面积。 7.根据权利要求6所述的装配式混凝土构件的性能预测方法， 其特征在于， 所述构件表 面的图像采集区域包括待测装配式混凝土构件每两个装配式单元的接缝 处、 每个装配式单 元的表面以及装配式单 元与其他构件的接缝处。 8.根据权利要求6所述的装配 式混凝土构件的性能预测方法， 其特征在于， 步骤A2中预 处理方法包括依次进行一次加权平均灰度化和高斯滤波除噪。 9.根据权利要求1所述的装配式混凝土构件的性能预测方法， 其特征在于， 外观损伤信权　利　要　求　书 1/2 页 2 CN 115422638 A 2息和待测装配式混凝土构件的构件结构信息带入性能预测模型前还需进行一次整合预处 理， 整合预 处理方法包括： 将 外观损伤信息和构件 结构信息依次进 行Max‑Min归一化和分箱 降噪。 10.根据权利要求1所述的装配式混凝土构件的性能预测方法， 其特征在于， 人机交互 系统展现的性能预测结果包括性能预测模型输出的待测装配式混凝土构件的抗压性能、 抗 扭性能、 抗弯性能和抗剪性能的预测值； 人机交互系统展现的性 能预测结果还包括影响输入参数， 影响输入参数的获取包括如 下方法： 使用Shapley  Value方法对抗压性能、 抗扭性能、 抗弯性能和抗剪性能的预测值进 行解释得到每个输入参数的部 分依赖图， 并将所有部分依赖图进 行对比得到对构件性能影 响最重要的影响输入参数。权　利　要　求　书 2/2 页 3 CN 115422638 A 3