[發明專利]一種基于決策樹和循環神經網絡的橋梁渦激振動幅值預測方法

在審

• 申請號: 202110765670.2
• 申請日: 2021-07-07
• 公開（公告）號: CN113642068A
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 賴馬樹金;黎善武;李惠
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 哈爾濱市哈科專利事務所有限責任公司 23101
• 代理人: 吳振剛

本發明公開了一種基于決策樹和循環神經網絡的橋梁渦激振動響應幅值預測方法。該方法首先基于現場實測的橋梁渦激振動數據，采用決策樹方法，建立了渦激振動模態預測模型，實現僅通過監測風速條件即可預測渦振模態；其次基于原型橋梁渦振位移幅值微分方程一般表達式和監測數據，設計了一種適用于表征橋梁結構振動動力系統的循環神經網絡算法，直接建立風速和風向與各階模態渦振響應幅值之間的映射關系，其優點在于可實現時變、不均勻自然風，超高雷諾數下原型橋梁渦振幅值機器學習預測，解決了傳統基于風洞試驗的半理論半經驗模型無法準確預測自然風作用下原型橋梁渦振響應的難題，為橋梁渦振預警、預報，安全評估提供重要的支撐。

技術領域

本發明涉及橋梁風工程領域，具體涉及一種基于決策樹和循環神經網絡的橋梁渦激振動幅值預測方法。

背景技術

隨著橋梁跨度的增加，橋梁變得越來越柔、阻尼也越來越小，橋梁與流場的流固耦合作用越來越強烈，導致風效應異常突出。渦振這種非線性自激振動是橋梁主梁結構最為典型的流固耦合作用效應之一。流體繞過橋梁結構，在其繞流場產生流動分離并伴隨旋渦脫落，當旋渦脫落頻率與橋梁結構某階固有頻率接近時，激發渦激共振。隨著橋梁振動的增強，流固耦合作用增強，振動控制繞流場旋渦脫落頻率且增強旋渦的強度，反過來增強的旋渦進一步激發更大的振動。渦激振動雖然是一種限幅自激振動，不會引起橋梁結構的毀壞，但它易于在小風速下發生，誘發頻次高，不僅影響行車安全，還可能使橋梁連接構件發生疲勞損傷。近年來，我國大跨度橋梁渦振時有發生，如西堠門大橋、虎門大橋、鸚鵡洲大橋等。2020年5月5日下午，虎門大橋發生長時間大幅度渦振，隨后，管理部門對該橋實施雙向全封閉，禁止車輛通行?；㈤T大橋的突發大幅振動事件引起了社會各界對橋梁渦振的廣泛關注。

由于涉及超高雷諾數下湍流和流固耦合等強非線性過程以及自然風時變和不均勻特征，原型橋梁的渦振建模和預測極其困難，現有基于風洞試驗結果的半理論和半經驗方法無法準確預測服役橋梁的渦振。隨著機器學習相關技術的飛速發展、其在高維強非線性處理以及復雜系統模擬上體現出極其強的能力，這為橋梁風工非線性流固耦合作用機理和建模研究提供了一種全新的思路和方法。此外，現場監測為原型橋梁積累了大量的珍貴數據，這為橋梁風工程開展機器學習研究創造了前提條件。

發明內容

基于以上不足之處，本發明提供一種基于決策樹和循環神經網絡的橋梁渦激振動幅值預測方法，解決了傳統基于風洞試驗的半理論半經驗模型無法準確預測自然風作用下原型橋梁渦振響應的難題。

本發明所采用的技術方案如下：一種基于決策樹和循環神經網絡的橋梁渦激振動幅值預測方法，驟如下：

步驟一，基于現場實測的橋梁渦激振動數據：包括風和主梁振動，運用決策樹方法，建立渦激振動模態預測方法，實現僅通過監測風速條件預測渦振模態，樣本特征向量和類別標簽如下式所示：

Ω_j＝f_classifier(U₁,U₂,U₃,...,U_n；θ₁,θ₂,θ₃,...,θ_n) (1)

式中，U和θ分別為不同測點平均風速和風向；Ω_j為某階渦振模態；

f_classifier表示自由場風速和風向對橋梁渦振模態的影響函數，

橋梁渦激振動模態決策樹模型中樣本不純度為：

式中，I(N)表示節點N的不純度，

P(Ω_i)表示渦振模態為Ω_i的樣本占該樣本集總數的比例；