[發(fā)明專利]一種基于深度學(xué)習(xí)的不同外形橋梁自激振動(dòng)預(yù)測建模方法在審
| 申請(qǐng)?zhí)枺?/td> | 202110755728.5 | 申請(qǐng)日: | 2021-07-05 |
| 公開(公告)號(hào): | CN113656859A | 公開(公告)日: | 2021-11-16 |
| 發(fā)明(設(shè)計(jì))人: | 賴馬樹金;李文杰;李惠 | 申請(qǐng)(專利權(quán))人: | 哈爾濱工業(yè)大學(xué) |
| 主分類號(hào): | G06F30/13 | 分類號(hào): | G06F30/13;G06F30/20;G06N3/04;G06N3/08 |
| 代理公司: | 哈爾濱市哈科專利事務(wù)所有限責(zé)任公司 23101 | 代理人: | 吳振剛 |
| 地址: | 150000 黑龍江省哈爾濱市南崗*** | 國省代碼: | 黑龍江;23 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 深度 學(xué)習(xí) 不同 外形 橋梁 振動(dòng) 預(yù)測 建模 方法 | ||
本發(fā)明提出了一種基于深度學(xué)習(xí)的不同外形橋梁自激振動(dòng)預(yù)測建模方法,通過將結(jié)構(gòu)動(dòng)力學(xué)數(shù)值求解方法與LSTM神經(jīng)網(wǎng)絡(luò)相結(jié)合建立物理融合的深度神經(jīng)網(wǎng)絡(luò)氣動(dòng)自激力模型,可以高精度預(yù)測不同外形橋梁的自激振動(dòng)響應(yīng)。本方法在氣動(dòng)自激力模型的輸入當(dāng)中加入了氣動(dòng)外形參數(shù),借助神經(jīng)網(wǎng)絡(luò)較強(qiáng)的泛化能力,基于少量氣動(dòng)外形的氣動(dòng)自激力數(shù)據(jù)便構(gòu)建出具有較強(qiáng)預(yù)測能力的非線性氣動(dòng)自激力模型用來預(yù)測不同氣動(dòng)外形橋梁主梁結(jié)構(gòu)的非線性自激振動(dòng)響應(yīng),從而有效避免大量成本高昂的風(fēng)洞試驗(yàn);同時(shí)使用高精度動(dòng)力方程數(shù)值求解方法連接當(dāng)前時(shí)刻網(wǎng)絡(luò)輸出和下一時(shí)刻網(wǎng)絡(luò)輸入,形成具有閉環(huán)結(jié)構(gòu)的氣動(dòng)自激力模型,有效提高橋梁結(jié)構(gòu)自激振動(dòng)預(yù)測精度和魯棒性。
技術(shù)領(lǐng)域
本發(fā)明涉及橋梁風(fēng)工程領(lǐng)域,具體涉及一種基于深度學(xué)習(xí)的不同外形橋梁自激振動(dòng)預(yù)測建模方法。
技術(shù)背景
隨著橋梁建設(shè)繼續(xù)向著超大跨徑發(fā)展,結(jié)構(gòu)更加輕柔,對(duì)風(fēng)荷載的敏感性更強(qiáng),其風(fēng)致振動(dòng)問題必將更加突出。而橋梁顫振是最為嚴(yán)重的風(fēng)致振動(dòng)現(xiàn)象,一旦發(fā)生就會(huì)造成橋梁主體結(jié)構(gòu)直接破壞,造成嚴(yán)重的生命財(cái)產(chǎn)損失、危害極大,必須要加以避免。因此,開展橋梁顫振的相關(guān)研究尤為必要。
目前在大跨度橋梁設(shè)計(jì)中工程界主要采用風(fēng)洞試驗(yàn)來開展橋梁自激振動(dòng)穩(wěn)定性的研究,通過控制相似比要求和模型試驗(yàn)來模擬真實(shí)橋梁結(jié)構(gòu)的力學(xué)行為,利用空氣動(dòng)力學(xué)理論建立各類氣動(dòng)自激力模型,進(jìn)而基于結(jié)構(gòu)動(dòng)力學(xué)分析來預(yù)測橋梁結(jié)構(gòu)自激振動(dòng)響應(yīng),結(jié)果可信度較高,應(yīng)用廣泛。傳統(tǒng)的橋梁線性自激振動(dòng)分析方法是基于Scanlan經(jīng)典顫振導(dǎo)數(shù)理論建立起來的,已經(jīng)被廣泛接受并在實(shí)際工程應(yīng)用中取得了一定的成績。但這一理論基于小振幅和線性假設(shè),重點(diǎn)關(guān)注臨界狀態(tài)分析,即預(yù)測臨界風(fēng)速,無法解釋一些具有鈍體氣動(dòng)外形的大跨度橋梁自激振動(dòng)發(fā)生后的極限環(huán)振動(dòng)。同時(shí),現(xiàn)有的一些非線性氣動(dòng)自激力建模方法多是基于高階多項(xiàng)式擬合,形式復(fù)雜且參數(shù)識(shí)別容易過擬合,泛化能力存在明顯局限性,導(dǎo)致對(duì)于每一種新設(shè)計(jì)的氣動(dòng)外形均需要開展成本高昂的風(fēng)洞試驗(yàn)。此外,當(dāng)氣動(dòng)外形較鈍且處于大攻角時(shí)結(jié)構(gòu)還可能發(fā)生滯回現(xiàn)象,現(xiàn)有手段難以對(duì)這類高度非線性自激氣動(dòng)力進(jìn)行有效建模并準(zhǔn)確預(yù)測其動(dòng)力響應(yīng)。
發(fā)明內(nèi)容
基于以上不足之處,本發(fā)明提出了一種基于深度學(xué)習(xí)的不同外形橋梁自激振動(dòng)預(yù)測建模方法,擬通過將結(jié)構(gòu)動(dòng)力學(xué)數(shù)值求解方法與神經(jīng)網(wǎng)絡(luò)相結(jié)合建立物理融合的神經(jīng)網(wǎng)絡(luò)氣動(dòng)自激力模型,進(jìn)而高精度預(yù)測不同外形橋梁的自激振動(dòng)響應(yīng)。
本發(fā)明所采取的技術(shù)方案如下:一種基于深度學(xué)習(xí)的不同外形橋梁自激振動(dòng)預(yù)測建模方法,步驟如下:
步驟一,對(duì)具有不同氣動(dòng)外形的大跨度橋梁主梁模型開展不同來流風(fēng)速U下的自激振動(dòng)試驗(yàn),設(shè)描述氣動(dòng)外形的n個(gè)參數(shù)為S=(S1,2,…,n),采用激光位移計(jì)測量模型自激振動(dòng)的豎向和扭轉(zhuǎn)位移(h,α),采用雙天平測力方法測量模型發(fā)生自激振動(dòng)時(shí)所受到的豎向和扭轉(zhuǎn)氣動(dòng)自激力(Fse,se),采樣頻率均設(shè)為10000Hz,對(duì)位移和氣動(dòng)自激力數(shù)據(jù)進(jìn)行降采樣至50Hz,同時(shí)以75%重疊率將所有位移和氣動(dòng)自激力時(shí)程分割為4分鐘長的信號(hào)樣本;
步驟二,采用2層長短期記憶神經(jīng)網(wǎng)絡(luò)作為氣動(dòng)自激力模型的基本架構(gòu),每層神經(jīng)元數(shù)為32,長短期記憶神經(jīng)網(wǎng)絡(luò)步長設(shè)置為40,以來流風(fēng)速、氣動(dòng)外形參數(shù)、自激振動(dòng)的豎向和扭轉(zhuǎn)位移和速度作為神經(jīng)網(wǎng)絡(luò)的輸入,以氣動(dòng)自激力(Fse,se)作為神經(jīng)網(wǎng)絡(luò)的輸出,采用Newmark-β法由上一時(shí)間步的長短期記憶神經(jīng)網(wǎng)絡(luò)的輸出(氣動(dòng)自激力)計(jì)算出下一時(shí)間步的長短期記憶神經(jīng)網(wǎng)絡(luò)的輸入(自激振動(dòng)位移和速度);將處理后的信號(hào)樣本輸入到改進(jìn)的長短期記憶神經(jīng)網(wǎng)絡(luò)中采樣Adam梯度下降策略訓(xùn)練神經(jīng)網(wǎng)絡(luò),采樣提前終止訓(xùn)練策略防止長短期記憶神經(jīng)網(wǎng)絡(luò)過擬合。
本發(fā)明還具有如下技術(shù)特征:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于哈爾濱工業(yè)大學(xué),未經(jīng)哈爾濱工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110755728.5/2.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測方法及系統(tǒng)





