基于深度学习的桥梁非线性气动力模型研究

Nonlinear Aerodynamic Force Model of Bridge Based on Deep Learning

扫码查看

原文链接

NETL
NSTL
维普
万方数据

中文摘要：为准确模拟桥梁断面气动力的非线性特性和流体记忆效应,构建了基于深度学习的非线性气动力降阶模型.引入前馈神经网络(FNN)和长短时记忆(LSTM)网络2种深度学习框架,利用CFD强迫振动数值模拟获取非线性气动力数据,采用谐波叠加法合成强迫振动位移信号;结合2种框架的结构特征,以断面位移为输入、气动力为输出,针对性构建了用于网络训练、验证和测试的数据集.以某三塔悬索桥钢箱梁断面为例,分别建立基于FNN和基于LSTM网络的气动力降阶模型,并针对不同频率、自由度的强迫振动和自由振动等工况,评估对比了模型的性能.结果表明:2种降阶模型均可较好地模拟任意合理振动工况下断面非线性气动力,计算效率较数值模拟有极大提升,其中,基于LSTM网络的降阶模型具备更优的非线性气动力模拟性能.

作者：

张文明、冯丹典、葛耀君

展开 >

作者单位：

东南大学混凝土及预应力混凝土结构教育部重点实验室,江苏南京210096

同济大学土木工程防灾国家重点实验室,上海200092

关键词：

桥梁工程非线性气动力深度学习前馈神经网络长短时记忆网络数值模拟

基金：

国家重点研发计划项目国家自然科学基金

项目编号：

2022YFB370670352078134

出版年：

2023

DOI：

10.20051/j.issn.1003-4722.2023.03.003

桥梁建设

中铁大桥局集团有限公司

桥梁建设

CSTPCDCSCD北大核心EI

影响因子：1.428

ISSN：1003-4722

年,卷(期)：2023.53(3)

参考文献量6