买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西华大学

摘要：本发明涉及强风环境下车辆过桥安全性评价技术领域，公开了一种基于TCN‑BiLSTM‑WOA的强风下车辆过桥安全性评价方法。通过风洞试验模拟风场数据的谱函数，并基于桥梁不同点的空间关系，采用线性插值方法，得到纵向各风速模拟点的平均风速，采用风谱和Davenport空间相干函数得到纵向各风速模拟点的脉动风速；建立车辆的多体动力学模型，完成风‑车‑桥系统的联合仿真与计算，形成智能预测方法的训练数据集；构建TCN‑BiLSTM深度学习网络，搭建WOA优化算法用于进行TCN‑BiLSTM网络的超参数寻优，通过TCN‑BiLSTM‑WOA模型得到不同的车辆安全性指标（横垂向加速度）时间序列样本。建立风速数据与车辆安全性指标的映射关系模型，高效地进行预测，为强风下车辆过桥的安全性评估提供数据基础。

主权项：1.基于TCN-BiLSTM-WOA的强风下车辆过桥安全性评价方法，其特征在于，包括以下步骤：步骤1：根据山区风环境，构建地形模型，并采用D型风场作为边界层进行模拟，进行风洞试验；步骤2：利用试验平均风速剖面和D型风场对比，验证模拟风场；计算模拟风场风速数据的风谱，与Simiu谱进行对比验证，确定模拟的风场满足风洞试验要求；通过风洞试验测试，获得桥梁纵向各关键点的平均风速分布关系；步骤3：基于桥梁纵向各关键点的平均风速分布关系，采用线性插值方法，计算得到桥梁纵向各关键点的平均风速；采用风谱和Davenport空间相干函数计算得到桥梁纵向各关键点的脉动风速；平均风速和脉动风速之和为总风速，将所述总风速作为风-车-桥系统的联合仿真中输入的风速数据；步骤4：建立车辆的多体动力学模型，进行风-车-桥系统的联合仿真与计算，输入模拟风场的风速数据，输出车辆安全性指标，包括横向垂向加速度，形成智能预测方法的训练数据集；步骤5：构建TCN-BiLSTM深度学习网络，通过TCN取输入风速数据的时序特征，BiLSTM根据提取的时序特征来预测风-车-桥系统中车辆的横向垂向加速度，及其桥梁的垂向和横向位移响应；单独搭建WOA优化算法用于进行TCN-BiLSTM网络的超参数寻优，首先将超参数空间定义为一个总体，每个个体是一组超参数组合，然后WOA初始化超参数空间，评估各超参数组合的适应度，更新种群，最终得到最优的超参数组合；步骤6：根据WOA优化算法寻到的最优超参数组合，调整TCN-BiLSTM网络的超参数，重新进行预测训练，并保存训练好的TCN-BiLSTM-WOA模型；步骤7：通过TCN-BiLSTM-WOA模型预测车辆安全性指标时间序列。

全文数据：

权利要求：

百度查询： 西华大学 基于TCN-BiLSTM-WOA的强风下车辆过桥安全性评价方法