[发明专利]基于生成式对抗网络模拟人群跳跃荷载的方法

说明书

本发明涉及一种基于生成式对抗网络模拟人群跳跃荷载的方法，该方法包括：(1)利用高精度测力板收集单人跳跃荷载数据，利用三维动作捕捉技术收集人群跳跃荷载数据。(2)将单人跳跃荷载进行分解，可以得到脉冲、脉冲能量序列和脉冲间隔序列。(3)将脉冲、脉冲能量序列和脉冲间隔序列视为高维随机变量，并利用生成式对抗网络学习其概率分布，并用此分布生成新的样本。脉冲和脉冲能量序列的真实样本来自单人跳跃荷载实验，脉冲间隔序列的真实样本来自人群跳跃荷载实验。(4)将生成的脉冲按照生成的脉冲能量序列和生成的脉冲间隔序列进行连接，得到人群跳跃荷载。现有的人群跳跃荷载模型，都是人工提取跳跃荷载的特征，并且将这些特征假定为随机变量，利用实测数据给出其概率分布。本发明使用深度学习中的生成式对抗网络方法从真实样本中学习高维随机变量的概率分布，实现对数据特征的自动提取，可以生成与真实样本非常相似的高质量样本。

技术领域

本发明涉及建筑结构技术领域，尤其是涉及一种人群跳跃荷载生成方法。

背景技术

伴随着建筑材料强度的不断提高以及建筑美学的要求，结构向着轻质、高强、大跨、纤柔等方向发展。大跨开敞式楼盖结构在演艺中心、博览中心、体育中心、会议中心、交通枢纽和商业综合体等各类公共建筑中日趋流行。例如，上海崇明篮球馆组合楼板最大跨度达37m；西安北站高架候车层的钢结构楼板最大跨度达43.06m；北京太平桥大街天桥主跨为42m；北京奥林匹克公园国家会议中心钢结构楼板尺寸为60m×81m；青岛体育中心综合训练馆的预应力混凝土楼盖尺寸为72m×42m；温州火车南站候车厅的体外预应力楼盖尺寸为90m×30m。对于此类大跨度楼盖结构，人致结构振动引起的舒适度问题已超越承载力要求成为结构设计的控制因素，确保其在密集人流下的安全性和舒适性非常重要。

人致荷载的实验建模研究是准确计算人致结构振动的前提。所有人致荷载中，跳跃荷载的作用力最大。尤其是在体育比赛及流行音乐会上，人群会跟随现场音乐或节拍共同跳跃。已有的人群跳跃荷载随机模型，都是人工提取跳跃荷载的特征，如接触率、脉冲间隔和冲击因子等，将其假定为随机变量，并利用实验数据给出概率分布。将随机过程的建模转换为随机变量的建模，除跳跃荷载外，其它人致荷载、地震荷载和风荷载的建模也是基于该研究范式，因为高维度随机变量的联合概率分布难以建模。

与人工确定并提取对象特征的传统建模方法相比，近年来飞速发展的深度学习方法通过多级抽象的方式自动提取数据的特征。实践证明，此类方法在分析高维数据的复杂结构方面非常出色，并已成功应用于许多领域。例如，在图像识别方面，深度卷积网络取得了比人类辨识更好的结果，并且已广泛应用于土木工程领域，如裂缝检测和损伤识别等。在众多深度学习算法中，生成式对抗网络是一类无监督的生成式模型。它可以隐式地从真实样本中学习高维数据的概率分布，并利用分布生成新样本，非常适合于具有复杂数据结构的动力荷载的生成问题。

发明内容

本发明的目的就是为了克服传统的人群跳跃荷载建模方法的缺陷，提供一种基于生成式对抗网络模拟人群跳跃荷载的方法。

本发明的目的可以通过以下技术方案来实现：

一种基于生成式对抗网络模拟人群跳跃荷载的方法，该方法包括：

(1)利用高精度测力板收集单人跳跃荷载数据；利用三维动作捕捉技术收集人群跳跃荷载数据。

(2)将单人跳跃荷载进行分解，得到脉冲、脉冲能量序列和脉冲间隔序列的真实样本。

(3)将脉冲、脉冲能量序列和脉冲间隔序列视为高维随机变量，并利用生成式对抗网络学习其概率分布，并且用此分布生成新的样本。

(4)将生成的脉冲按照生成的脉冲能量序列以及生成的脉冲间隔序列进行连接，得到人群跳跃荷载。

与现有技术相比，本发明具有以下优点：