摘要
本发明公开了基于学习算法分析的支撑钢架易损性分析方法及系统,涉及支撑钢架分析技术领域,通过获取并分析具有历史检测记录的支撑钢架设计图纸,构建结构表达模型,并划分易损区块及配置结构参量;分析支撑钢架的损伤特征与时间、地震程度的关联关系,建立损伤动态表现模型;对所有支撑钢架结构表达模型进行相似性分析,归类得到模型集,并提取标志特征因子组;在实际易损性分析中,根据支撑钢架与标志特征因子组的吻合情况,确定其对应的支撑钢结构表达模型集,并利用该模型集中的损伤动态表现模型进行易损性评估。本发明上述技术方案提高了易损性评估的准确性和效率,为支撑钢架的设计、评估与维护提供了科学有效的技术手段。
技术关键词
支撑钢架
易损性分析方法
损伤特征
支撑钢结构
学习算法
节点间距离
标志
地震
标记
配置结构
因子
动态
关系
高密度
图纸
支架结构
网格
分析系统
模块
系统为您推荐了相关专利信息
风险识别方法
客户端
服务端
机器学习算法
关键字
远程监控平台
提升机
统计特征
轻量级神经网络
数据并行处理
多智能体系统
深度强化学习算法
负载均衡方法
分布式数据中心
节点
背光模组
测定方法
光学特征信息
机器学习算法
阈值算法