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：中国建筑第二工程局有限公司

摘要：基于深度学习的飘窗位置花篮式悬挑架施工优化方法，区别于以往，采用了预埋连接件以及改良版的盘扣架支腿等，避免了焊接切割等传统施工项目中需要的操作，但是该施工方法的一些具体参数需要进行优化。因此本次申请则提出使用一种深度学习的方法，对连墙件预埋螺栓节点深度，改良版的盘扣架支腿预警力，花篮式悬挑架长度以及穿洞斜拉杆固定钢的传入深度，拉杆长度等进行数据收集，通过采用复合BP网络对该施工方法的最终承载极值进行预测指导，进而对现场应用进行辅助指导，为该新型施工方法保驾护航做到施工方案最优化。

主权项：1.基于深度学习的飘窗位置花篮式悬挑架施工优化方法，其特征在于：包括：1施工现场环境探测；对具体的施工环境进行探测，包括对悬挑架有影响的相关参数，确定悬挑架所需承受的最大载荷、悬挑架能够延伸的最大距离以及施工环境的风速、温度和湿度，此外，每种不同设计参数的飘窗位置花篮式悬挑架的承载极限也进行验证和收集，包括连墙件预埋螺栓节点的深度、改良版盘扣架支腿的预警力、花篮式悬挑架的长度以及穿洞斜拉杆固定钢的传入深度、拉杆的长度以及斜拉杆固定钢板之间的间距；2数据处理；将上述特征值均采用归一化进行处理，此外对于异常值或者丢失值直接用平均数进行填充；3单层BP网络搭建与训练；在原BP网络上增加一层循环网络模型以捕捉特征之间时序性，之后采用FC全连接，并在最后一层进行输出，预测出在当前设计参数下的，悬挑架其承载极限，对于LSTM层的输出项，则采用增权激活公式f1进行激活，在网络预测值后，添加一层最终输出层，即LASTOUTPUT层，并采用安全裕度公式对其进行给定；所述步骤3中增权激活公式表示为：此外针对本次网络算法模型，为了增加LSTM层的影响，对于LSTM层的输出项，则采用增权激活公式f1进行激活： 0α≤11≤β其中，fx为经过函数激活后的输出值，α,β则为调节参数，通过增加β值，减小α值，即可总体增加LSTM层的输出，进而在网络体系中，增加其影响力；所述步骤3中安全裕度公式表示为：悬挑架结构，其安全裕度需要保持一定的裕度，因此在网络预测值后，添加一层最终输出层，即LASTOUTPUT层，并采用安全裕度公式对其进行给定， 其中，LASTOUTPUT为最终网络输出值，OutPut为单层BP网络的预测值，δ为安全裕度值；4整体网络搭建部署；提出一种残差BP网络结构，利用一种更轻量的网络去预测步骤3单层BP网络其预测值与真实值之间的误差，采用4层全连接层数通过本次残差BP网络结构，去预测出每组数据集，在步骤S3中预测产生的与真实值之间的误差，进而对实际安装应用过程中存在一个指导作用：所述步骤4中误差公式表示为：通过本次残差BP网络结构，去预测出每组数据集，在步骤S3中预测产生的与真实值之间的误差，进而对实际安装应用过程中存在一个指导作用，其误差公式如下所示：Fmax≤LASTOUTPUT-|Eropre|其中Fmax为实际承载最大载重，LASTOUTPUT为单层BP网络输的最终网络输出值，Eropre则为残差BP网络结构输出的预测值及对左侧网络准确性的一个评估；5算法模型部署与应用；采用一种基于新型单层BP网络并以一种残差BP网络对其悬挑架进行承载极限的预测与指导给定，将模型直接部署到服务器当中，当在现场进行应用时，要在施工现场的人员对具体环境进行侦测，输入预设参数，即可返回该参数下所能承载的极限。

全文数据：

权利要求：

百度查询： 中国建筑第二工程局有限公司 基于深度学习的飘窗位置花篮式悬挑架施工优化方法