共查询到10条相似文献,搜索用时 15 毫秒
1.
基于径向基神经网络的桥梁有限元模型修正 总被引:1,自引:0,他引:1
基于某预应力混凝土大跨刚构-连续梁桥的ANSYS有限元模型,提出一种基于径向基神经网络的有限元模型修正方法。该方法以不同设计参数条件下有限元模型模态分析频率作为输入向量,以对应的桥面单元、中墩、边墩的弹性模量、密度等设计参数修正值作为输出向量,利用径向基神经网络来逼近两者之间的非线性映射关系。结合该桥梁结构健康监测系统中加速度传感器监测的桥梁结构动力反应的加速度数据,利用神经网络的泛化特性,直接计算出有限元模型设计参数的修正值。研究结果表明:修正后的有限元模型能更真实地反映结构的物理状态,较好地反映该桥梁结构的真实动力特性。 相似文献
2.
为建立适用于混凝土T形梁的有限元模型,以钢筋混凝土T形简支梁为研究对象,利用联合静动力的有限元模型修正方法对混凝土T形叠合梁进行模型修正.首先利用ANSYS建立混凝土T形简支梁有限元模型,根据工程经验初选混凝土弹性模量等待修正参数.构造实测响应与相应响应差值的目标函数,通过灵敏度分析,筛选待修正参数并设定待修正参数取值区间,在区间内选取5组随机的参数值作为“试验”模型,利用联合静动力的修正方法对参数进行迭代修正,修正后模型的静动力响应计算值与“试验”值吻合较好.在简支梁的基础上,将此修正方法推广到三跨连续梁,修正结果良好,验证了该方法的适用性和准确性. 相似文献
3.
有限元模型修正不能考虑不确定性和进行响应预测,而模型确认是模型修正的发展,该系列论文建立了桥梁有限元模型确认的基本方法。主要讨论模型确认的关键步骤之一——基于响应面的桥梁有限元模型修正方法,包括试验设计、参数筛选、响应面模型选择以及模型检验等;基于下白石大桥的实时健康监测,利用响应面方法成功地对下白石大桥的有限元模型进行修正。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,最大相对误差不超过6%,修正后的有限元模型可以进一步应用于模型确认,对桥梁健康监测和安全评估有益。 相似文献
4.
5.
小波神经网络在软基沉降组合预测中的应用 总被引:1,自引:0,他引:1
Tian Qihuang 《工程勘察》2008,(5)
将小波神经网络组合预测模型引入软土路基沉降预测中。把5组不同形式的s型增长模型单项预测结果作为小波网络的输入向量,将代表相应时刻的实际值作为小波网络的输出,对软基沉降序列进行非线性组合预测。预测结果表明,小波网络组合预测的结果比各单项模型预测的结果都好,与BP神经网络相比,小波网络的收敛速度更快,预测精度更高,模型的泛化能力更强。 相似文献
6.
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。 相似文献
7.
基于环境激励的连续刚构桥模态参数识别及有限元模型修正 总被引:1,自引:0,他引:1
一个合理准确的有限元模型是大型桥梁健康监测系统中损伤识别及安全评估、预警的前提。以一座三跨预应力混凝土连续刚构桥为例,根据设计资料,利用ANSYS建立其初始三维有限元模型,利用其健康监测系统采集得到的加速度时程数据,采用随机子空间法对实际结构的模态频率进行识别,依据识别结果,在参数灵敏度分析的基础上,根据最优化理论对该桥的有限元模型进行修正。研究结果表明,经修正后的有限元模型能真实准确地反映该桥梁结构的真实动力特性,可以作为健康监测中损伤识别、安全评估等研究工作的基准模型。 相似文献
8.
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。 相似文献
9.
10.
结合有限元分析和人工神经网络,提出一种新的思路,研究简支组合梁的短期和长期变形。本文建立两个神经网络模型,采用相关论文中有限元模型的结果进行样本训练。有限元模型考虑了抗剪连接件的非线性荷载-滑移关系,以及蠕变、收缩和混凝土板的裂缝。而对没开裂的混凝土只考虑了蠕变、收缩的影响。为训练及验证两个神经网络模型,建立了一个包括不同设计参数的大数据库。研究发现,两个神经网络模型均能预测组合梁的变形。因此,神经网络模型可用以评估非几何设计参数对简支组合梁的短、长期变形影响。最后,根据AISC规范和欧洲规范4方法计算简支组合梁的短、长期变形,并与有限元模型结果进行比较。结果表明,与有限元方法相比,AISC方法低估了短期变形而高估了长期变形。 相似文献