基于粒子滤波算法的风力发电塔地震动力响应预测

建立有限元分析模型过程中产生的误差和不确定性可导致试验和有限元分析结果之间显著的差异性,量化此类不确定性对结构动力响应预测尤为重要。基于粒子滤波算法对有限元计算结果的不确定性进行量化,提出了一个用于结构动力响应预测的概率贝叶斯估计计算框架,并通过风力发电塔振动台试验动力响应观测结果对计算方法的合理性与有效性进行验证。结果表明:随地震波输入幅值的增大,有限元计算结果的误差显著增大,考虑试验观测值修正之后可以显著减小此类不确定性的影响;粒子滤波算法用于结构动力响应预测精度较好,预测值与试验实测值具有很好的一致性;将粒子滤波算法与振动台试验相结合能够对结构动力响应进行有效预测,具有一定的工程应用参考价值。

地铁列车运行引起的隧道和自由场的动力响应预测

针对地铁列车运行引起的隧道和自由场动力响应的预测,提出一种计算方法。根据移动荷载作用下隧道及自由场的动力响应解,可以把地铁列车运行引起的振动问题归结到计算频率-波数域内的传递函数和频域内移动轴荷载的问题上,传递函数采用三维周期性有限元-边界元耦合的数值模型来计算,移动轴荷载主要考虑为频域内轨道不平顺激励下的轮轨接触力。利用此方法对北京地铁4号线北京大学东门站北侧区间地铁列车运行引起的隧道和自由场的振动响应进行了预测,并比较了普通无碴轨道和钢弹簧浮置板轨道的动力响应。结果表明:此方法具有很好的适用性;浮置板轨道具有很好的减振作用,但对低频段振动没有效果。

高速磁浮列车悬浮间隙仿真预测

基于长短时记忆(LSTM)神经网络提出了一种可用于高速磁浮列车的电磁铁悬浮间隙预测方法。考虑高速磁浮列车运行过程中受到的气动荷载,建立了列车仿真模型并计算列车的动态响应;通过PyCharm建立LSTM神经网络,并以高速磁浮列车仿真模型计算结果为样本集,构建了高速磁浮列车电磁铁悬浮间隙预测模型。最后,通过对预测模型计算结果和评价指标进行评判,验证了所提出的电磁铁间隙预测算法的准确性。

基于Volterra级数的结构非线性动力响应分析

工程结构在服役期间会受到各种作用,将呈现出一系列复杂的非线性问题。工程结构从本质上来讲是非线性的,而结构的非线性分析十分复杂,目前还没有一种普遍适用的方法。为获得一种适用范围广、操作性强的分析方法,基于对结构非线性响应特征进行数学逼近的思想,结合Volterra级数在描述系统非线性特征时所具有的优点,采用Volterra级数模型对结构的非线性响应特征进行分析。研究结果表明:Volterra级数模型能较准确地描述结构的非线性响应特征,通过Volterra级数模型能实现对一类荷载作用下的结构响应进行准确预测。

基于一维卷积GRU网络的导管架平台动力响应实时预测与分析

为有效进行波浪荷载作用下海洋导管架平台动力响应实时预测,提出一种综合一维卷积与门控循环复合神经网络(1DCNN+GRU)的动力响应预测方法。基于SACS程序平台建立单层甲板的四桩腿导管架数值计算模型,通过非线性数值模型分析其在波浪作用下动力响应状态,从而得到结构动力响应时程样本数据,并经标准化处理后,输入到由Pytorch框架搭建的复合神经网络中进行训练与测试。计算分析结果表明:该1DCNN+GRU复合神经网络预测方法具有良好的求解精度和稳定性,各求解步时长远小于预测提前量,能够实现海洋导管架平台动力响应的实时预测,可为相关工程实践提供参考。