采用机器学习方法评估流线型箱梁颤振临界风速
2021-07-22梅瀚雨廖海黎刘珉巍
振动与冲击 2021年14期
梅瀚雨, 王 骑,2, 廖海黎,2, 刘珉巍
(1.西南交通大学 桥梁工程系,成都 610036;2.西南交通大学 风工程四川省重点实验室,成都 610036)
现代桥梁结构向跨度更大、更柔的方向发展,这将使得其结构刚度小、阻尼低而对风荷载的敏感性逐渐增加。在大跨度桥梁抗风设计过程中,颤振性能是尤为关键的设计控制因素。对于流线型箱梁而言,由于其各方面气动性能优越(颤振、涡振等)且制造工艺成熟,目前已在多座大跨度桥梁中使用[1-4]。一般地,在桥梁设计初期,设计者可利用自由振动风洞试验或数值模拟计算流体力学(computational fluid dynamics, CFD)方法可以较为准确地评估桥梁断面的颤振性能。然而,目前风洞试验的成本较高、试验周期长,CFD技术仍存在精度不够、计算成本较大等问题。另一方面,基于Scanlan等[5]提出的线性自激气动力理论并结合断面的颤振导数,也可以在桥梁设计初步阶段较为快速地掌握其气动性能,但此类颤振分析方法推广至工业领域仍存在一定的障碍,例如:颤振导数的获取仍无法摆脱风洞试验。尽管公路桥梁抗风设计规范[6]或目前已有的一些快速预测流线型向量颤振临界风速的方法[7]较为便捷,但此类简化计算公式仍然存在参数识别困难、精度不足等问题。
机器学习方法是一种基于数据驱动的数据挖掘方法,近年来被学者广泛应用到风工程领域。顾明等[8]在2003年利用神经网络预测了某大跨屋盖表面平均风压;Jung等[9]利用神经网络识别了多种断面形式的颤振导数;……
登录APP查看全文
