技术领域
[0001] 本发明涉及安全评估手段，属于输电杆塔安全领域，尤其涉及区域环境下地脚螺栓影响输电杆塔安全的评估方法及系统。
相关背景技术
[0002] 地脚螺栓是一种用于将超特高压输电线路杆塔上部结构与基础相连接，防止上部结构出现剧烈摇晃的紧固件，起着承上启下的重要作用，一旦地脚螺栓出现问题，将会导致超特高压输电线路杆塔发生倒塌等严重事故。
[0003] 由于杆塔所处环境的特殊性，上部结构所受力主要为侧风所引起的动力荷载，所以势必引起地脚螺栓疲劳破坏问题，减少其使用寿命，同时气候变化所带来的温度、湿度等改变，也会引起地脚螺栓的锈蚀破坏问题，在一种程度上会加速地脚螺栓的疲劳破坏。并且，地脚螺栓和基础之间的动力作用，也会使地脚螺栓产生微小的位移，导致地脚螺栓的内部应力发生变化，从而加速地脚螺栓的疲劳破坏。
[0004] 近年来，国内外学者对地脚螺栓的疲劳破坏和相关的锈蚀破坏机理进行了细致研究，但是，这些研究中通常仅关注了地脚螺栓本身的锈蚀破坏，并没有以区域环境下地脚螺栓疲劳破坏并结合其锈蚀程度与混凝土之间的相互作用对地脚螺栓使用性能进行综合评估，进而考虑其对输电杆塔安全的影响，存在片面性与评估准确性不高的缺陷。
具体实施方式
[0082] 以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
[0083] 实施例1：
[0084] 参见图1，一种区域环境下地脚螺栓影响输电杆塔安全的评估方法，包括：
[0085] S1、获取超特高压输电线路杆塔所处环境参数；所述所处环境参数包括温度、相对湿度、风速与风向；
[0086] 进一步的，具体包括：获取超特高压输电线路杆塔所处环境的温度、相对湿度、风速与风向，确定不同季节时期内温度与相对湿度的平均值，并基于风速与风向，确定最大风速与对应风向。
[0087] S2、构建超特高压输电线路杆塔与地脚螺栓之间的有限元分析模型，获得地脚螺栓所受的应力幅；
[0088] 进一步的，具体包括：构建超特高压输电线路杆塔与地脚螺栓的有限元分析模型，并将最大风速与对应风向视为动力载荷施加于有限元分析模型上，获得地脚螺栓所受的应力幅。
[0089] S3、基于所处环境参数，构建不同季节时期下的模拟试验环境，对地脚螺栓进行模拟试验，获得地脚螺栓内部微裂缝的特征以及不同锈蚀状态下地脚螺栓的抗拉强度；地脚螺栓内部微裂缝的长度、宽度与对应的延伸角度；
[0090] 进一步的，具体包括：
[0091] S31、基于不同季节时期内温度与相对湿度的平均值，构建不同季节时期的模拟试验环境；
[0092] S32、将地脚螺栓置于模拟试验环境中，通过超声波探伤，获得地脚螺栓内部微裂缝的长度、宽度与对应的延伸角度；
[0093] S33、将轻微锈蚀、中等锈蚀和严重锈蚀状态的地脚螺栓放入模拟试验环境中，进行拉伸试验，确定不同锈蚀状态下地脚螺栓的抗拉强度。
[0094] S4、将应力幅作为动力载荷，对地脚螺栓进行动力载荷循环加载试验，获得地脚螺栓混凝土相互作用函数；
[0095] 进一步的，具体包括：
[0096] S41、将若干地脚螺栓以0°—10°的偏移角度分别放置并进行混凝土浇筑，构建地脚螺栓混凝土结构模型；
[0097] S42、将应力幅作为动力载荷，间隔时间段对地脚螺栓进行动力载荷循环加载试验，记录地脚螺栓内部微裂缝延伸方向和沿延伸方向的剩余截面面积值、当前动力载荷循环加载次数与地脚螺栓被破坏时的最终动力载荷循环加载次数，并拟合获得地脚螺栓混凝土相互作用函数。
[0098] 进一步的，所述地脚螺栓混凝土相互作用函数的表达式如下：
[0099]
[0100] 其中：M_offset为地脚螺栓混凝土相互作用函数，C为修正系数，F为施加动力载荷的动拉力值，x、y、z为地脚螺栓未浇筑一侧端部的三维坐标，τ为正常状态下地脚螺栓的抗拉强度， 为地脚螺栓内部微裂缝延伸方向所对应的地脚螺栓截面面积的变化斜率，t_last为地脚螺栓被破坏时的最终动力载荷循环加载次数，t为当前动力载荷循环加载次数，A为地脚螺栓内部微裂缝延伸方向和沿延伸方向的剩余截面面积值。
[0101] 影响地脚螺栓疲劳寿命的主要因素有很多，例如：螺栓内部微裂缝的长度、宽度以及裂缝的延伸方向和裂缝的数量等因素，由于螺栓内部微裂缝的长度、宽度和延伸角度与地脚螺栓的疲劳寿命相关性强，而且便于通过超声波检测等方法进行检测，因此，本设计中将此三种因素作为主要因素；其中，将地脚螺栓内部的微裂缝作为主要分析对象，其对地脚螺栓的疲劳寿命影响最大，其次，将微裂缝向地脚螺栓横截面发展的长度与该长度向地脚螺栓纵向方向投影所形成的角度作为微裂缝的延伸角度。
[0102] S5、计算地脚螺栓内部微裂缝发展程度对应的疲劳寿命；所述计算式如下：
[0103] P＝N_final‑N_current；
[0104] 其中：P为疲劳寿命，N_final为地脚螺栓被破坏时的最终循环加载次数，N‑current为对应时间段内的当前循环加载次数；
[0105] S6、基于地脚螺栓内部微裂缝的特征与疲劳寿命，构建BP神经网络预测模型；
[0106] 进一步的，具体包括：
[0107] S61、将地脚螺栓内部微裂缝的长度、宽度与对应的延伸角度的数据进行归一化处理，使数据值归一化位于[0,1]区间内；所述归一化处理的表达式如下：
[0108]
[0109] 其中：S为数据值，S_min为数据值的最小值，s_max为数据值的最大值；
[0110] S62、基于地脚螺栓内部微裂缝的特征与疲劳寿命，确定BP神经网络预测模型的输入层、隐藏层与输出层的神经元数量；所述隐藏层神经元数量根据以下公式确认：
[0111]
[0112] 其中：a为范围在[1,10]之间的常数；
[0113] S63、基于输入层、隐藏层与输出层的神经元数量，确认每个神经元之间的参数个数，即权重以及隐藏层与输入层的偏置；参数的取值范围均为[‑1,1]；
[0114] 所述权重与偏置的表达式如下：
[0115] w_num＝n×m+n×h；
[0116] b_num＝n+h；
[0117] 其中：w_num为权重W的数量，n为隐藏层的神经元数量，m为输入层的神经元数量，h为输出层的神经元数量，b_num为偏置b的数量；
[0118] S64、基于均方误差法，确定BP神经网络预测模型的训练参数(即设置训练次数)、学习率与训练目标最小误差；
[0119] 所述均方误差法的表达式如下：
[0120]
[0121] 其中：MSE为均方误差，k为样本数量，Y_i为数据值，Y′_i为预测值；
[0122] S65、为了使BP神经网络预测模型具有非线性的学习能力，通过设置隐藏层神经元和输出层神经元的激活函数，提高模型的非线性学习能力，完成BP神经网络预测模型的构建；所述隐藏层神经元的激活函数如下：
[0123]
[0124] 其中：Sig(X)为隐藏层神经元的激活函数，e为自然常数，X为隐藏层神经元的接收值；
[0125] 所述输出层神经元的激活函数如下：
[0126]
[0127] 其中：Relu为输出层神经元的激活函数，∪为输出层神经元的输出值。
[0128] 所述获得的BP神经网络预测模型如下：
[0129]
[0130] 其中：w1i、w2i、wni为输入层至隐藏层之间的权重，w11、w12、w1j为隐藏层至输出层之间的权重，b1i、b2i、bni为隐藏层各神经元的偏置，e为输出层神经元的偏置，e为自然常数，m为隐藏层神经元数量，m输入层神经元数量，L为地脚螺栓内部微裂缝的长度，W为宽度，θ为对应的延伸角度。
[0131] 所述的BP神经网络模型，是一种反向传播神经网络，能够学习和储存大量的输入与输出之间的映射关系，而不用事先揭示映射关系对应的函数方程；由于地脚螺栓内部微裂缝的长度、宽度和延伸角度与地脚螺栓的疲劳寿命相关性极强，因此，采用BP神经网络预测模型去获取此三种因素与地脚螺栓疲劳寿命之间的映射关系，可以较为科学且迅速的实现。
[0132] S7、基于不同锈蚀状态下地脚螺栓的抗拉强度，确定地脚螺栓的折减系数，构建所处环境参数、地脚螺栓锈蚀程度与折减系数之间的折减系数函数；所述折减系数函数的表达式如下：
[0133]
[0134] 其中：β为折减系数，Rm为不同锈蚀状态下地脚螺栓的抗拉强度，Rm_norm为标准情况下地脚螺栓的抗拉强度，常数g、d均为权重，T为温度，RH为相对湿度，f为反映地脚螺栓锈蚀程度的常数；
[0135] S8、基于地脚螺栓混凝土相互作用函数、BP神经网络预测模型与折减系数函数，构建区域环境下地脚螺栓最终疲劳寿命预测函数；所述地脚螺栓最终疲劳寿命预测函数的表达式如下：
[0136] P_final＝β·M_offset·P；
[0137] 其中：P_final为地脚螺栓的最终疲劳寿命；
[0138] S9、将现场超特高压输电线路杆塔所处环境参数代入地脚螺栓最终疲劳寿命预测函数中，获得地脚螺栓的疲劳寿命，完成对超特高压输电线路杆塔的安全评估。
[0139] 实施例2：
[0140] 参见图2，一种区域环境下地脚螺栓影响输电杆塔安全的评估系统，该系统应用于权利要求实施例1所述的方法，所述系统包括：
[0141] 环境参数获取单元1，用于获取超特高压输电线路杆塔所处环境参数；所述所处环境参数包括温度、相对湿度、风速与风向；
[0142] 进一步的，所述环境参数获取单元1通过以下步骤获取环境参数；
[0143] 获取超特高压输电线路杆塔所处环境的温度、相对湿度、风速与风向，确定不同季节时期内温度与相对湿度的平均值，并基于风速与风向，确定最大风速与对应风向。
[0144] 有限元分析单元2，用于构建超特高压输电线路杆塔与地脚螺栓之间的有限元分析模型，获得地脚螺栓所受的应力幅；
[0145] 进一步的，所述有限元分析单元2通过以下步骤获得应力幅；
[0146] 构建超特高压输电线路杆塔与地脚螺栓的有限元分析模型，并将最大风速与对应风向视为动力载荷施加于有限元分析模型上，获得地脚螺栓所受的应力幅。
[0147] 模拟试验单元3，用于基于所处环境参数，构建不同季节时期下的模拟试验环境，对地脚螺栓进行模拟试验，获得地脚螺栓内部微裂缝的特征以及不同锈蚀状态下地脚螺栓的抗拉强度；所述地脚螺栓内部微裂缝的特征包括地脚螺栓内部微裂缝的长度、宽度与对应的延伸角度；
[0148] 进一步的，所述模拟试验单元3通过以下步骤获得抗拉强度；
[0149] S31、基于不同季节时期内温度与相对湿度的平均值，构建不同季节时期的模拟试验环境；
[0150] S32、将地脚螺栓置于模拟试验环境中，通过超声波探伤，获得地脚螺栓内部微裂缝的长度、宽度与对应的延伸角度；
[0151] S33、将轻微锈蚀、中等锈蚀和严重锈蚀状态的地脚螺栓放入模拟试验环境中，进行拉伸试验，确定不同锈蚀状态下地脚螺栓的抗拉强度。
[0152] 相互作用函数构建单元4，用于将应力幅作为动力载荷，对地脚螺栓进行动力载荷循环加载试验，获得地脚螺栓混凝土相互作用函数；
[0153] 进一步的，所述相互作用函数构建单元4通过以下步骤获得地脚螺栓混凝土相互作用函数；
[0154] S41、将若干地脚螺栓以0°—10°的偏移角度分别放置并进行混凝土浇筑，构建地脚螺栓混凝土结构模型；
[0155] S42、将应力幅作为动力载荷，间隔时间段对地脚螺栓进行动力载荷循环加载试验，记录地脚螺栓内部微裂缝长度延伸方向和沿延伸方向的剩余截面面积值、当前动力载荷循环加载次数与地脚螺栓被破坏时的最终动力载荷循环加载次数，并拟合获得地脚螺栓混凝土相互作用函数；
[0156] 所述地脚螺栓混凝土相互作用函数的表达式如下：
[0157]
[0158] 其中：M_offset为地脚螺栓混凝土相互作用函数，C为修正系数，F为施加动力载荷的动拉力值，x、y、z为地脚螺栓未浇筑一侧端部的三维坐标，τ为正常状态下地脚螺栓的抗拉强度， 为地脚螺栓内部微裂缝延伸方向所对应的地脚螺栓截面面积的变化斜率，t_last为地脚螺栓被破坏时的最终动力载荷循环加载次数，t为当前动力载荷循环加载次数，A为地脚螺栓内部微裂缝延伸方向和沿延伸方向的剩余截面面积值。
[0159] 疲劳寿命计算单元5，用于计算地脚螺栓内部微裂缝发展程度对应的疲劳寿命；所述计算式如下：
[0160] P＝N_final‑N_curent；
[0161] 其中：P为疲劳寿命，N_final为地脚螺栓被破坏时的最终循环加载次数，N_current为对应时间段内的当前循环加载次数；
[0162] BP神经网络单元6，用于基于地脚螺栓内部微裂缝的特征与疲劳寿命，构建BP神经网络预测模型；
[0163] 进一步的，所述BP神经网络单元6通过以下步骤构建BP神经网络预测模型；
[0164] S61、将地脚螺栓内部微裂缝的长度、宽度与对应的延伸角度的数据进行归一化处理；所述归一化处理的表达式如下：
[0165]
[0166] 其中：S为数据值，S_min为数据值的最小值，S_max为数据值的最大值；
[0167] S62、基于地脚螺栓内部微裂缝的特征与疲劳寿命，确定BP神经网络预测模型的输入层、隐藏层与输出层的神经元数量；
[0168] S63、基于输入层、隐藏层与输出层的神经元数量，确认权重以及隐藏层与输入层的偏置；所述权重与偏置的表达式如下：
[0169] w_num＝n×m+n×h；
[0170] b_num＝n+h；
[0171] 其中：w_num为权重w的数量，n为隐藏层的神经元数量，m为输入层的神经元数量，h为输出层的神经元数量，b_num为偏置b的数量；
[0172] S64、基于均方误差法，确定BP神经网络预测模型的训练参数、学习率与训练目标最小误差；所述均方误差法的表达式如下：
[0173]
[0174] 其中：MSE为均方误差，k为样本数量，Y_i为数据值，Y′_i为预测值；
[0175] S65、设置隐藏层神经元和输出层神经元的激活函数，完成BP神经网络预测模型的构建；所述隐藏层神经元的激活函数如下：
[0176]
[0177] 其中：Sig(X)为隐藏层神经元的激活函数，e为自然常数，X为隐藏层神经元的接收值；
[0178] 所述输出层神经元的激活函数如下：
[0179]
[0180] 其中：Relu为输出层神经元的激活函数，∪为输出层神经元的输出值。
[0181] 所述BP神经网络预测模型如下：
[0182]
[0183] 其中：w1i、w2i、wni为输入层至隐藏层之间的权重，w11、w12、w1j为隐藏层至输出层之间的权重，b1i、b2i、bni为隐藏层各神经元的偏置，B为输出层神经元的偏置，e为自然常数，n为隐藏层神经元数量，m输入层神经元数量，L为地脚螺栓内部微裂缝的长度，W为宽度，θ为对应的延伸角度。
[0184] 折减系数函数构建单元7，用于基于不同锈蚀状态下地脚螺栓的抗拉强度，确定地脚螺栓的折减系数，构建所处环境参数、地脚螺栓锈蚀程度与折减系数之间的折减系数函数；所述折减系数函数的表达式如下：
[0185]
[0186] 其中：β为折减系数，Rm为不同锈蚀状态下地脚螺栓的抗拉强度，Rm_norm为标准情况下地脚螺栓的抗拉强度，常数g、d均为权重，T为温度，RH为相对湿度，f为反映地脚螺栓锈蚀程度的常数；
[0187] 预测函数构建单元8，用于基于地脚螺栓混凝土相互作用函数、BP神经网络预测模型与折减系数函数，构建区域环境下地脚螺栓最终疲劳寿命预测函数；所述地脚螺栓最终疲劳寿命预测函数的表达式如下：
[0188] P_final＝β·M_offset·P；
[0189] 其中：P_final为地脚螺栓的最终疲劳寿命；
[0190] 安全评估单元9，用于将现场超特高压输电线路杆塔所处环境参数代入地脚螺栓最终疲劳寿命预测函数中，获得地脚螺栓的疲劳寿命，完成对超特高压输电线路杆塔的安全评估。
[0191] 实施例3：
[0192] 参见图3，一种区域环境下地脚螺栓影响输电杆塔安全的评估设备，所述设备包括处理器10以及存储器11；
[0193] 所述存储器11用于存储计算机程序代码111，并将所述计算机程序代码111传输给所述处理器10；
[0194] 所述处理器10用于根据所述计算机程序代码111中的指令执行实施例1所述的区域环境下地脚螺栓影响输电杆塔安全的评估方法。
[0195] 一般来说，用以实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质，除了临时性地传播中的信号本身。
[0196] 计算机可读存储介质例如可以是，但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EKROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0197] 可以以一个或多个程序设计语言或其组合来编写用以执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、SMalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言，特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意个类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0198] 上述设备和非临时性计算机可读存储介质，可以参见对区域环境下地脚螺栓影响输电杆塔安全的评估方法及有益效果的具体描述，在此不再赘述。
[0199] 尽管上面已经示出和描述了本发明的实施例，应当理解的是，上述实施例是示例性的，不能解释为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
