一种基于支持向量机的临时钢扣塔拆卸误差调节控制方法

摘要

本发明公布了一种基于支持向量机(SVM)的临时钢扣塔拆卸误差调节控制方法。该方法利用已经建立好的理论模型，并且以现场实测数据为依据进行模型的修正；采用支持向量机算法，建立以实测梁体挠度为自变量和以索力为因变量的预测函数关系；将温度参数、斜拉索力参数、临时荷载风力参数等输入SVM，得出扣塔拆除过程中调节误差并将其通过wifi网络传输给数据处理中心；智能数据处理中心对收到的误差数据进行分析，并给出调整数据，将其施加给扣塔调节装置；临时钢扣塔根据操作指令实施调整。该方法简化了人工调控高程线形的施工工序，能够大幅度提高施工速度，缩短工期。

说明书

技术领域

本发明属于桥梁施工技术领域，具体涉及一种基于支持向量机的临时钢扣塔拆卸误差调节控制方法。

背景技术

近些年，钢桁拱桥以其外形美观、用钢量少、跨越能力大等优点逐渐成为城市桥梁建造中的首选。但是在钢桁拱桥建造过程中，随着预应力混凝土斜拉桥跨径不断增大,主梁宽度也不断增加,其空间效应越来越明显,在其主梁的悬臂施工过程中,通常采用的塔梁临时固结方式常常导致主梁0号块附近开裂，传统方法在运算复杂结构的可靠度时面临很多不足：一次、二次可靠度法必须事先求得功能函数表达式，并且在功能函数比较复杂时，精度无法保证，计算结果很难收敛；蒙特卡罗法需要大量的抽样运算才逼近真实可靠度，效率低下；二次多项式响应面法在拟合非线性程度很高的功能函数时效果不好；神经网络响应面法易出现过学习、欠学习等问题。为解决上述问题，针对临时固结构造的拆除提出支持向量机理论。

支持向量机是从统计学发展而来的一种新型的机器学习方法，在解决小样本、非线性和高维的机器学习问题中，表现了许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中，在机器学习中，支持向量机是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析，它是由Vapnik及其合作者共同创造与发展起来的一种新的机器学习方法，其核心理论在1992年至1995年间提出的。统计学习理论建立在一套较为坚实的理论基础之上，为解决有限样本的学习问题提供了一个统一的框架。它能将许多现有的方法纳入其中，有望帮助解决许多原来难以解决的问题，比如神经网格的结构选择问题、局部最小点问题等。

发明内容

有鉴于此，本发明旨在提出一种基于支持向量机的临时钢扣塔拆卸误差调节控制方法，精准监测钢扣塔在拆除过程中的线性变化，快速对比分析误差，从而实施高效调控措施，从而解决传统测量定位的低速和定位不精准的问题，同时将高程线形调控过程智能化，简化了人工调控线形的施工工序，能够大幅度提高施工速度，缩短工期。

为了实现上述目的，本发明采用的技术方案是这样实现的：

所述支持向量是指那些过两类样本中离分类面最近的点且平行于分类面的训练样本，即起决定性作用的样本；

所述“机(machine，机器)”实际上是一个算法，在机器学习领域，常把一些算法看做是一个机器；在机器学习中，支持向量机(VSM，还支持矢量网格)是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析；

所述支持向量机与神经网络类似，都是学习型的机制，但与神经网络不同的是SVM使用的是数学方法和优化技术，其本质是建立数据的输入输出关系，从而对其他输入数据进行预测；

所述临时钢扣塔，桥梁工程施工过程中，往往在修建工程的同时有配套的临时工程作为辅助，在大跨度桥梁中采用的临时结构以钢构件最为普遍。

进一步所述，支持向量机的原理是利用内部核函数对各种参数进行快速对比分析误差，实施高效调控措施，从而解决传统测量定位的低速和定位不精准的问题。

进一步所述，鉴于支持向量机扎实的理论基础，并且和传统的计算方法相比较，比如人工神经网络，SVM通过提高数据的维度把非线性分类问题转化成线性分类问题，较好解决了传统算法中训练集误差最小而测试集误差仍较大的问题，算法的效率和精度都比较高，所以近年来该方法成为构造数据挖掘分类器的一项新型技术，在分类和回归模型中得到了很

好的应用。

进一步所述，支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性即对特定训练样本的学习精度和学习能力即无错误地识别任意样]一种基于支持向量机的临时钢扣塔拆卸误差调节控制方法，其特征在于：包括的步骤有：

第一步，利用已经建立好的理论模型，并且以现场实测数据为依据进行模型的修正，得到准确、可靠的计算模型；

第二步，对于计算得出的样本数据，采用一种新型数据挖掘技术——支持向量机，建立实测梁体挠度为自变量和以索力为因变量的预测函数关系；

第三步，将温度参数、斜拉索力参数、临时荷载风力参数等输入SVM，其内部核函数对参数进行计算分析，得出扣塔拆除过程中的纵向位移、横向位移、垂直偏角等误差数据并将其通过wifi网络传输给智能数据处理中心；

第四步，智能数据处理中心对收到的误差数据进行分析，同时根据分析结果计算出应调整的数据，将其施加给扣塔调节装置；

第五步，临时钢扣塔根据操作指令实施调整。

进一步所述，支持向量机的原理是利用内部核函数对各种参数进行快速对比分析误差，实施高效调控措施，从而解决传统测量定位的低速和定位不精准的问题。

附图说明

图1为支持向量机的原理图；

图2为本发明的系统图；

图3为本发明的流程图。

具体实施方式

下面通过附图和具体实施例对本发明作进一步说明。

如图1所示，一种基于支持向量机的临时钢扣塔拆卸误差调节控制方法，其目的是获得较为精准的扣塔拆除工程中的纵向位移、横向位移、垂直偏角等参数，实施高效调控措施，从而保证临时扣塔的顺利拆卸。包括的步骤为：

a.将通过依据现场实测数据进行修正后的理论模型输入SVM；

b.SVM通过内部核函数将输入的各项参数进行计算分析；

c.将计算所得的扣塔拆除过程中的纵向位移、横向位移、垂直偏角等参数输出。

一种基于支持向量机的临时钢扣塔拆卸误差调节控制方法，其特征在于：包括的步骤有：

第一步，利用已经建立好的理论模型，并且以现场实测数据为依据进行模型的修正，得到准确、可靠的计算模型；

第二步，对于计算得出的样本数据，采用一种新型数据挖掘技术——支持向量机，建立实测梁体挠度为自变量和以索力为因变量的预测函数关系；

第三步，将温度参数、斜拉索力参数、临时荷载风力参数等输入SVM，其内部核函数对参数进行计算分析，得出扣塔拆除过程中的纵向位移、横向位移、垂直偏角等误差数据并将其通过wifi网络传输给智能数据处理中心；

第四步，智能数据处理中心对收到的误差数据进行分析，同时根据分析结果计算出应调整的数据，将其施加给扣塔调节装置；

]第五步，临时钢扣塔根据操作指令实施调整。

相对于现有技术，本发明的特点及优势体现在：

(1)采用支持向量机，能较精准预测施工过程中临时钢扣塔的线性变化，支持向量机可对任意未知样本预测的相对误差在千分之五以内，从而解决传统测量定位的低速和定位不精准的问题；

(2)采用支持向量机，能对数据误差进行快速对比分析，实施高效调控措施，简化了人工调控高程线形的施工工序，能够大幅度提高施工速度，缩短工期；

(3)基于支持向量机的临时钢扣塔拆卸误差调节控制方法，建立在一套较为坚实的理论基础之上，为解决有限样本的学习问题提供了一个统一的框架。它能将许多现有的方法纳入其中，有望帮助解决许多原来难以解决的问题，比如神经网格的结构选择问题、局部最小点问题等。