中国公路学报2023，Vol.36Issue(8) ：1-13.DOI:10.19721/j.cnki.1001-7372.2023.08.001

桥梁风工程机器学习研究进展

Research Progress of Machine Learning in Bridge Wind Engineering

赖马树金 李文杰 冯辉 周旭曦 张泽宇 陈文礼 李惠
中国公路学报2023，Vol.36Issue(8) ：1-13.DOI:10.19721/j.cnki.1001-7372.2023.08.001
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

桥梁风工程机器学习研究进展

Research Progress of Machine Learning in Bridge Wind Engineering

赖马树金 1李文杰 2冯辉 2周旭曦 2张泽宇 2陈文礼 2李惠3
扫码查看

作者信息

  • 1. 哈尔滨工业大学土木工程智能防灾减灾工业与信息化部重点实验室,黑龙江哈尔滨 150090;哈尔滨工业大学结构工程灾变与控制教育部重点实验室,黑龙江哈尔滨 150090;桥梁结构健康与安全国家重点实验室,湖北武汉 430034
  • 2. 哈尔滨工业大学土木工程智能防灾减灾工业与信息化部重点实验室,黑龙江哈尔滨 150090;哈尔滨工业大学结构工程灾变与控制教育部重点实验室,黑龙江哈尔滨 150090
  • 3. 哈尔滨工业大学土木工程智能防灾减灾工业与信息化部重点实验室,黑龙江哈尔滨 150090;哈尔滨工业大学结构工程灾变与控制教育部重点实验室,黑龙江哈尔滨 150090;哈尔滨工业大学(深圳)粤港澳数据驱动下的流体力学与工程应用联合实验室,广东深圳 518055
  • 折叠

摘要

自然风场复杂风况参数、非线性气动力与流固耦合作用等是桥梁风工程面临的系列主要挑战.在过去几十年中,风洞试验、CFD数值模拟和结构健康监测(SHM)积累了大量桥梁结构风与风效应数据,这为风工程的研究提供了宝贵的数据资源.由于具有良好的非线性表征能力、强大的优化算法、优异的泛化性能和灵活的网络结构,近年来机器学习(尤其是深度学习)在非线性科学和工程问题中取得了巨大成功.融合机器学习算法和大数据的数据驱动方法有助于克服桥梁风工程所面临的挑战,并从海量数据中挖掘物理新知识.目前机器学习方法已应用于风工程研究的各个领域,例如风环境、空气动力学、风致振动、气动优化和控制以及风灾害评估等.为系统总结梳理该领域的最新研究成果,从桥梁风环境机器学习预测、结构风压和气动力机器学习预测、桥梁风振机器学习预测3个方面重点介绍机器学习方法在桥梁风工程中的应用进展.

关键词

桥梁工程/风工程/综述/机器学习/风致振动

Key words

bridge engineering/wind engineering/review/machine learning/wind-induced vibration

引用本文复制引用

基金项目

国家重点研发计划项目(2022YFC3005303)

国家自然科学基金(52178470)

桥梁结构健康与安全国家重点实验室开放课题(BHSKL20-01-KF)

出版年

2023
中国公路学报
中国公路学会

中国公路学报

CSTPCDCSCD北大核心
影响因子：1.607
ISSN：1001-7372
参考文献量5
段落导航相关论文