基于小波神经网络的新沂河大桥有限元模型修正

以新沂河大桥——预应力混凝土连续梁桥为工程背景,提出了一种基于小波神经网络(WNN)的有限元模型修正方法。该方法首先以不同设计参数条件下有限元模型计算频率作为网络输入,并以主梁混凝土材料密度和弹性模量、支座与伸缩缝处纵、横向约束刚度作为网络输出。进而利用小波神经网络来逼近两者之间的非线性映射关系,并验证该网络的精度及其泛化能力。结合实桥环境振动试验数据,利用保存的网络参数及神经网络的泛化特性,得到有限元模型设计参数的修正值。结果表明:有限元模型修正后的计算结果与实测结果比较吻合,最大误差不超过5%,修正后的有限元模型能较好地反映桥梁的真实状态。     

大跨桥梁索塔有限元模型修正

首先采用不同的方法分别建立了大跨桥梁索塔的精细有限元模型和简化模型，运用环境振动实测结果对简化有限元模型进行了修正，并和精细模型计算结果相比较；研究结果表明：严格按照设计图纸建立的精细有限元模型计算得到的动力特性与索塔现场环境振动实测值之间的误差较小，而未经修正的简化模型误差较大，由此说明：大跨桥梁在有限元建模时应尽可能详细地反映结构的几何与材料特性，在此前提下，对于设计资料全面的桥梁结构，建立有限元模型时就只需要修正那些无法用数学和物理方法模拟的不确定因素。对于缺乏实测信息的在建桥梁工程，则可以应用精细有限元模型的计算结果暂时代替实测结果对简化的有限元模型进行修正。     

在役T构桥梁的有限元模型修正

有限元模型修正是建立精确的基准有限元模型的基础。以在役T构桥梁——324国道乌龙江大桥为工程背景,利用ANSYS软件建立了全桥结构的三维有限元模型,进行了结构静、动力数值模拟分析,并与实测结果进行了比较;结果表明,未修正的有限元模型计算结果与实测结果存在较大误差。通过参数灵敏度分析,确定了对桥梁结构静、动力特性影响均较大的参数;采用零阶和一阶算法,基于自振频率与静力挠度组合的目标函数,对乌龙江大桥有限元模型进行了修正。修正后的有限元模型能较真实地反映结构的实际状态,可作为该桥梁长期健康监测与状态评估的基准有限元模型。     

基于Hopfield 神经网络的有限元模型修正

工程结构的有限元模型对结构的健康监测与可靠性评估有重大意义,但实际工程中测量数据和模型都与结构初始有限元模型有一定的差异,因此有必要对实际结构的有限元模型进行修正。首先建立有限元模型修正方程来表达结构响应与待修正参数之间的关系,再通过Hopfield递归神经网络技术,对模型修正方程进行求解。通过一个数值梁模型对提出的方法进行了验证,结果显示Hopfield神经网络在求解线性模型修正仿真中有较好的效果。     

基于桥梁动力特性实测值的有限元模型修正方法

以反映桥梁整体力学性能的两种参数——竖向挠度和竖向频率为状态变量,构造目标函数,使用有限元软件ANSYS的优化分析功能,对某连续梁—连续刚构桥的有限元数值模型进行修正,大幅提高了有限元模型的计算精度。     

基于试验数据的吊拉组合模型桥梁有限元模型修正

为获得吊拉组合模型桥梁的基准状态,结合子结构与响应面有限元模型修正方法,建立一种新的桥梁结构有限元模型修正方法。依据构造及力学特点,划分子结构并选择待修正参数;基于方差分析,利用参数显著性检验确定待修正参数;用均匀设计方法生成待修正参数样本集,由有限元分析获得对应的响应信息后,建立每一待修正参数与目标值的响应面模型;建立自振频率和位移适应度函数线性组合的联合目标函数,利用模型桥梁的静动力试验数据,由遗传算法获得参数的修正量,实现测试结果与有限元计算结果间误差的最小化。试验结果表明:所提方法能在确保设计参数合理且具有明确物理意义的前提下,对桥梁结构有限元模型实现有效的修正。     

联合BP神经网络和粒子群的结构有限元模型修正

为解决有限元模型修正中寻优速度慢和算法易于陷入局部最优的问题,提出了采用BP神经网络作为代理模型,采用粒子群算法作为优化算法的模型修正方法。为验证算法的有效性和高效性,采用所提方法对一个钢桁架进行了模型修正,修正结果表明,所提算法能够准确找到结构损伤位置,并且对杆件的损伤程度的识别精度较高,并且与传统的直接调用有限元模型计算结构响应的方法对比,所提方法在寻优速度上具有明显提升。     

基于响应面的桥梁有限元模型修正

采用试验设计和回归分析方法,以显式的响应面模型逼近特征量与设计参数间复杂的隐式函数关系,得到简化的结构模型(Meta-model),给出有限元模型修正过程。针对复杂的土木工程结构,讨论样本选择、修正参数选取以及如何从众多因素中较合理地建立结构的响应面模型。用数值模拟算例和六跨连续梁桥环境振动试验结果,实现基于响应面模型的土木工程结构有限元模型修正,并与传统的基于灵敏度方法直接对结构有限元模型修正结果进行比较。结果表明,基于响应面方法的有限元模型修正和验证,能显著提高修正的效率,修正过程计算简洁、迭代收敛快,避开每次迭代都需要进行有限元计算,易于工程实际应用。     

基于权函数的桥梁结构有限元模型修正

有限元模型修正技术在运营期监控、评估桥梁结构性能、损伤识别等工作中有着广泛的应用。依托桥梁荷载试验数据进行有限元模型修正是常见的做法,然而由于测试水平等客观条件的影响,试验数据不能保证完全可靠。以往的模型修正中,基于加权最小二乘法的目标函数不能体现出其对测试数据的抗差性能。提出了基于权函数的目标函数,对测试数据具有较好的抗差性能;以一个三跨连续梁模型进行验证;最后以阜阳市东环路颍河大桥的试验数据为基础,进行模型修正,验证了其可行性。     

组合梁桥有限元修正模型的研究

为改善结构有限元模型的精度,减小理论模型计算结果与试验结果之间的误差,采用模型修正技术对建立的初始有限元模型进行修正.针对铁路组合梁桥模型修正的问题,进行了大量的试验和研究,着重对组合梁力学参数和边界条件进行了修正.结果表明,经过修正后的有限元模型计算结果与试验结果更加接近,模型修正是可行的、有效的.     

岩石本构关系的径向基函数神经网络快速逼近模型

建立了径向基函数神经网络快速逼近模型 ,基于具体条件下岩石力学实验数据 ,对相应岩石的本构关系进行逼近 ,实例分析表明 ,该模型不仅对具体应力 -应变关系能够很好逼近和预测 ,而且逼近速度快、稳定性好 ,对岩石力学快速、高效数值方法的进一步发展具有重要参考价值。     

基于径向基函数神经网络模型的砂土液化概率判别方法

以国内外25次大地震中的344组场地液化实测资料为基础,通过径向基函数神经网络模型的训练和检验,分析了修正标准贯入击数N1与饱和砂土抗液化强度之间的非线性关系,建立了饱和砂土液化极限状态曲线或抗液化强度临界曲线经验公式。经统计分析,给出了液化和非液化的概率密度函数以及抗液化安全系数与液化概率之间的经验公式,最后导出了具有概率意义的饱和砂土抗液化强度经验公式。当液化概率水平为50%时,即等价于传统的确定性砂土液化判别,该方法预测液化和非液化的可靠性分别为90.4%和81.2%,具有较高的可靠性。本文提出的砂土液化概率判别方法,使工程场地的砂土液化概率判别如同确定性砂土液化判别一样简单、方便,从而使砂土液化概率判别方法用于工程实践和纳入有关规范成为可能。     

基于遗传算法与神经网络的桥梁结构健康监测系统研究初探

在前人研究工作的基础上，根据遗传算法和神经网络在处理复杂非线性问题时的各自特点，分别将其用于桥梁结构健康监测系统的不同部分，提出了建立基于遗传算法与神经网络的桥梁结构健康监测系统的基本设想。由于该项研究工作刚刚起步，文中的有些部分已经经过试验验证，而有些部分则尚处于理论研究阶段，需通过试验进一步证实。     

基于径向基神经网络的深基坑非线性位移反分析

以支护结构-土非线性共同作用的土压力计算模型为基础,提出了非线性共同作用弹性地基反力法;然后将径向基神经网络引入深基坑位移反分析,研究了根据深基坑空间效应的表现形式及规律选取适当剖面进行位移反分析的原理与方法,编制了计算程序。它可以逐工况地对支护结构不同标高和平面位置处的实测位移进行反分析,从而使反演的土性参数包含了时空效应和非线性共同作用的影响。工程算例表明:围护墙位移的反演计算结果与实测值吻合良好。     

径向基函数神经网络预测城市用水量模型及应用

以城市用水人口和城市生产总值作为输入向量,年用水量数据作为目标向量,建立了径向基函数神经网络并对城市用水量进行预测。采用不同的扩展速度,预测误差不同。当扩展速度spread=1时,预测数据与实际数据的相对误差均小于0.05%,取得了很好的预测效果,说明采用径向基函数神经网络模型预测城市用水量的方法是可行的。     

改进遗传神经网络的大坝渗流监测模型

在对遗传算法的适应度函数改进并修改选择方法的基础上,用改进的遗传算法优化BP神经网络权值,提出一种改进遗传神经网络的大坝渗流监测模型。结合实例分析表明:预测模型合理,训练精度与检测性能得到提高。     

Effects of model updating on the estimation of stochastic seismic response of a concrete-filled steel tubular arch bridge

The objectives of this paper are to integrate the structural health monitoring (SHM) technique with the structural seismic analysis, and to make the SHM technique serve, benefit and promote the structural seismic analysis integrally. Therefore, considering a concrete-filled steel tubular arch bridge structure, the SHM technique is used to calibrate the finite element (FE) model through the model-updating scheme to minimise the structural response differences caused by FE model errors. Effects of model updating on structural seismic responses are investigated using the stochastic vibration analysis approach. It is observed that effects of model updating are significant on structural seismic responses, and these effects may become more evident in structural nonlinear dynamic analysis. Hence, it is of prime importance to calibrate the FE models through the SHM technique for seismic evaluations of some operational critical structures.     

基于BP神经网络的隧道岩爆预测模型研究

在分析岩爆主要影响因素的基础上,建立了基于BP神经网络岩爆预测模型,采用已有岩爆发生数据作为训练样本对网络进行训练,利用收敛的网络进行岩爆烈度预测,预测结果与实际吻合,说明利用人工神经网络预测岩爆发生烈度是一种可行的方法。     

基于神经网络的结构损伤识别综述

简单介绍了神经网络技术及其分类方法,对使用神经网络进行斜拉桥损伤识别的基本流程进行了详细阐述,并分析了输入向量的选择优缺点,以期促进基于神经网络的结构损伤识别技术的推广应用。     

小波分析与神经网络在结构多处损伤监测中的应用

采用小波分析对获得的结构动力响应进行小波分解,根据各种响应信号对损伤的灵敏度选择损伤特征,从而识别结构多次出现损伤的时刻,实现对结构损伤时刻的监控;对结构第1层加速度响应信号做小波包分解,得到各频段能量的特征向量,作为特征参数输入到BP神经网络中实现结构多处损伤位置和程度识别。模拟算例表明,小波分析和BP神经网络联合运用能准确地诊断结构多处损伤的时刻、位置和程度,具有一定的可行性。