一種基于和聲搜索算法和質心算法的定位方法
【技術領域】
[0001]本發(fā)明涉及一種基于和聲搜索算法和質心算法的定位方法。
【背景技術】
[0002]邊坡變形受降水、地下水位、內部應力變化等多種因素影響，導致不同邊坡的變形機理不盡相同，其變形過程具有復雜性、隨機性和不確定性，邊坡的變形預測仍然是一項困難的課題。
[0003]邊坡由于外形結構復雜，通常具有不規(guī)則的外形和輪廓，在力學分析時，通常很難能夠計算得到邊坡結構的重心，就很難對邊坡的運動趨勢做相應的整體性預測，為道路安全帶來了重大的隱患。
[0004]現(xiàn)在邊坡的種類已經(jīng)相對固定，即物理性能比如密度和材質等信息已經(jīng)相對固定，測量技術的發(fā)展，也能夠精確的獲知邊坡的三維形狀。

【發(fā)明內容】

[0005]本發(fā)明針對以上問題的提出，而研制的一種基于和聲搜索算法和質心算法的定位方法，具有如下步驟:
[0006]一對邊坡進行有限元分析并采集物理參數(shù)，得到邊坡的三維有限元模型；使用計算機為所述的有限元模型，計算得到邊坡重心的位置；
[0007]一重復上述步驟，建立邊坡重心數(shù)據(jù)庫；
[0008]一對待檢測的邊坡進行有限元分析，根據(jù)有限元的數(shù)量和邊坡的物理參數(shù)，建立當前邊坡的重心的預測函數(shù)；
[0009]一調用數(shù)據(jù)庫中的模擬數(shù)據(jù)庫中與當前邊坡參數(shù)相關的邊坡數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡訓練所述的預測函數(shù)，得到成熟的目標函數(shù)；
[0010]一將所述待檢測的邊坡的有限元和物理參數(shù)帶入所述成熟的目標函數(shù)，得到當前滑動位移序列的預測結果。
[0011]對于由預測函數(shù)計算得出的當前邊坡重心預測結果，采用質心算法進行結果修正。
[0012]所述的數(shù)據(jù)庫中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸、邊坡結構和邊坡材質。
[0013]對于待測的邊坡的有限元特征點，使用插值的方法，近似到數(shù)據(jù)庫中近似邊坡的有限元。
[0014]根據(jù)分析得出待檢測邊坡的有限元，在數(shù)據(jù)庫中調取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對所述的目標函數(shù)進行訓練。
[0015]由于采用了上述技術方案，本發(fā)明提供的一種基于和聲搜索算法和質心算法的定位方法，通過對現(xiàn)有邊坡進行大量的分析測試，形成數(shù)據(jù)庫，對待檢測的邊坡進行有限元分析，形成目標分析函數(shù)，對函數(shù)使用人工神經(jīng)網(wǎng)絡進行訓練，最后得到邊坡的重心位置，相較于傳統(tǒng)的分析方法，具有更高更科學的分析精度，非常方便預測邊坡運動。
【附圖說明】
[0016]為了更清楚的說明本發(fā)明的實施例或現(xiàn)有技術的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖做一簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0017]圖1為本發(fā)明的流程圖
【具體實施方式】
[0018]為使本發(fā)明的實施例的目的、技術方案和優(yōu)點更加清楚，下面結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚完整的描述:
[0019]如圖1所示:一種基于和聲搜索算法和質心算法的定位方法，主要包括如下步驟:
[0020]首先，對邊坡進行有限元分析并采集物理參數(shù)，得到邊坡的三維有限元模型；使用計算機為所述的有限元模型，計算得到邊坡重心的位置。
[0021 ] 然后，重復上述步驟，建立邊坡重心數(shù)據(jù)庫。
[0022]其次，對待檢測的邊坡進行有限元分析，根據(jù)有限元的數(shù)量和邊坡的物理參數(shù)，建立當前邊坡的重心的預測函數(shù)；
[0023]調用數(shù)據(jù)庫中的模擬數(shù)據(jù)庫中與當前邊坡參數(shù)相關的邊坡數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡訓練所述的預測函數(shù)，得到成熟的目標函數(shù)。
[0024]最后，將所述待檢測的邊坡的有限元和物理參數(shù)帶入所述成熟的目標函數(shù)，得到當前滑動位移序列的預測結果。
[0025]為了進一步的增加測算的精度，作為一個較佳的實施方式，對于由預測函數(shù)計算得出的當前邊坡重心預測結果，采用質心算法進行結果修正。
[0026]為了增加預測的精度，保證在具有一定數(shù)量樣本的情況下，保證預測精度。作為一個較佳的實施方式，所述的數(shù)據(jù)庫中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸、邊坡結構和邊坡材質。
[0027]考慮到，實際過程中邊坡的有限元，與數(shù)據(jù)庫中的有限元可能不對應，對于待測的邊坡的有限元特征點，使用插值的方法，近似到數(shù)據(jù)庫中近似邊坡的有限元。
[0028]為了減少運算量，作為一個較佳的實施方式，根據(jù)分析得出待檢測邊坡的有限元，在數(shù)據(jù)庫中調取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對所述的目標函數(shù)進行訓練。
[0029]以上所述，僅為本發(fā)明較佳的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內，根據(jù)本發(fā)明的技術方案及其發(fā)明構思加以等同替換或改變，都應涵蓋在本發(fā)明的保護范圍之內。
【主權項】
1.一種基于和聲搜索算法和質心算法的定位方法，具有如下步驟: 一對邊坡進行有限元分析并采集物理參數(shù)，得到邊坡的三維有限元模型；使用計算機為所述的有限元模型，計算得到邊坡重心的位置； 一重復上述步驟，建立邊坡重心數(shù)據(jù)庫； 一對待檢測的邊坡進行有限元分析，根據(jù)有限元的數(shù)量和邊坡的物理參數(shù)，建立當前邊坡的重心的預測函數(shù)； 一調用數(shù)據(jù)庫中的模擬數(shù)據(jù)庫中與當前邊坡參數(shù)相關的邊坡數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡訓練所述的預測函數(shù)，得到成熟的目標函數(shù)； 一將所述待檢測的邊坡的有限元和物理參數(shù)帶入所述成熟的目標函數(shù)，得到當前邊坡重心的預測結果。
2.根據(jù)權利要求1所述的一種基于和聲搜索算法和質心算法的定位方法，其特征還在于:對于由預測函數(shù)計算得出的當前邊坡重心預測結果，采用質心算法進行結果修正。
3.根據(jù)權利要求1所述的一種基于和聲搜索算法和質心算法的定位方法，其特征還在于:所述的數(shù)據(jù)庫中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸、邊坡結構和邊坡材質。
4.根據(jù)權利要求1所述的一種基于和聲搜索算法和質心算法的定位方法，其特征還在于:對于待測的邊坡的有限元特征點，使用插值的方法，近似到數(shù)據(jù)庫中近似邊坡的有限J Li ο
5.根據(jù)權利要求3所述的一種基于和聲搜索算法和質心算法的定位方法，其特征還在于:根據(jù)分析得出待檢測邊坡的有限元，在數(shù)據(jù)庫中調取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對所述的目標函數(shù)進行訓練。
【專利摘要】本發(fā)明公開了一種基于和聲搜索算法和質心算法的定位方法，具有如下步驟：對邊坡進行有限元分析并采集物理參數(shù)，得到邊坡的三維有限元模型；使用計算機為所述的有限元模型，計算得到邊坡重心的位置；對待檢測的邊坡進行有限元分析，調用數(shù)據(jù)庫中的模擬數(shù)據(jù)庫中與當前邊坡參數(shù)相關的邊坡數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡訓練所述的預測函數(shù)，得到成熟的目標函數(shù)；將所述待檢測的邊坡的有限元和物理參數(shù)帶入所述成熟的目標函數(shù)，得到當前滑動位移序列的預測結果。相較于傳統(tǒng)的分析方法，具有更高更科學的分析精度，非常方便預測邊坡運動。
【IPC分類】G06F17-30, G01M1-12
【公開號】CN104636350
【申請?zhí)枴緾N201310552109
【發(fā)明人】陳 峰, 劉殿英
【申請人】大連市勘察測繪研究院有限公司
【公開日】2015年5月20日
【申請日】2013年11月7日