面向随机车流的公路桥梁安全评估往往需要大量的车-桥耦合振动分析,然而,目前相关既有模拟方法运算效率有限,致使完成评估所需的分析耗时过久,无法及时提供评估结果。为此,该文以传统车-桥耦合振动分析理论为基础,提出了一种基于双向长...面向随机车流的公路桥梁安全评估往往需要大量的车-桥耦合振动分析,然而,目前相关既有模拟方法运算效率有限,致使完成评估所需的分析耗时过久,无法及时提供评估结果。为此,该文以传统车-桥耦合振动分析理论为基础,提出了一种基于双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)算法加速的随机车流-桥梁耦合振动分析方法。该方法可以从初期桥梁响应时程快速映射出对应的后序响应,相较传统方法压缩了部分迭代求解周期,从而提高整体计算效率。随后,选取四座常见的桥梁作为分析对象,同时针对性地提出加权平均绝对百分比误差(WMAPE)、加权决定系数(WR^(2))等改进评价指标,并以传统迭代法为参照,分析了该方法的精度、鲁棒性以及计算效率。分析结果显示:该文提出的方法有较好的鲁棒性,在不同随机车流密度、不同路面粗糙度等工况下对桥梁的弯矩、剪力、挠度等响应都具有较高的分析精度;与传统方法相比,该方法可以在WMAPE小于3.2%、峰值绝对误差(PAE)小于2.9%以及WR^(2)大于0.98的情况下,将随机车流下车-桥耦合振动响应的计算效率平均提高37.98%。这表明该方法可以在保证精度的前提下,有效提升随机车流-桥梁耦合振动分析效率,具备应用于桥梁结构快速分析、评估的潜力。展开更多
文摘面向随机车流的公路桥梁安全评估往往需要大量的车-桥耦合振动分析,然而,目前相关既有模拟方法运算效率有限,致使完成评估所需的分析耗时过久,无法及时提供评估结果。为此,该文以传统车-桥耦合振动分析理论为基础,提出了一种基于双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)算法加速的随机车流-桥梁耦合振动分析方法。该方法可以从初期桥梁响应时程快速映射出对应的后序响应,相较传统方法压缩了部分迭代求解周期,从而提高整体计算效率。随后,选取四座常见的桥梁作为分析对象,同时针对性地提出加权平均绝对百分比误差(WMAPE)、加权决定系数(WR^(2))等改进评价指标,并以传统迭代法为参照,分析了该方法的精度、鲁棒性以及计算效率。分析结果显示:该文提出的方法有较好的鲁棒性,在不同随机车流密度、不同路面粗糙度等工况下对桥梁的弯矩、剪力、挠度等响应都具有较高的分析精度;与传统方法相比,该方法可以在WMAPE小于3.2%、峰值绝对误差(PAE)小于2.9%以及WR^(2)大于0.98的情况下,将随机车流下车-桥耦合振动响应的计算效率平均提高37.98%。这表明该方法可以在保证精度的前提下,有效提升随机车流-桥梁耦合振动分析效率,具备应用于桥梁结构快速分析、评估的潜力。
文摘在交通荷载观测及统计分析的基础上,获得交通状况的代表性数据,对记录的车型、车重、车距和车速进行统计,在此基础上进行随机车流模拟,编制随机车流模拟程序RTF(Random Traffic Flow),程序中首次全面引入车型、车重、车距和车速4个参数;建立可以考虑任意车辆数目、不同车道以及车辆相向行驶功能的随机车流下的风-汽车-桥梁系统空间耦合振动分析框架,编制相应的分析模块RTFWVB(Wind-Vehicle-Bridge system analysis)。以杭州湾跨海大桥为工程实例,详细研究密集、稀疏运营状态,车流单向、相向行驶以及侧风与车辆移动荷载对桥梁关键部位动力响应的影响。分析表明:密集运营状态下桥梁动力响应明显大于一般运营状态下的相应值;车流方向对桥梁振动影响不大;密集运营状态下车辆移动荷载主要决定桥梁动力响应的均值,而侧风主要影响桥梁动力响应的脉动部分,风速越大波动越显著。
基金Project(52078498)supported by the National Natural Science Foundation of ChinaProject(2021-Special-04-2)supported by the Science and Technology Research and Development Program Project of China Railway Group Limited+2 种基金Project(2022JJ30745)supported by the Natural Science Foundation of Hunan Province,ChinaProject(2023QYJC006)supported by the Frontier Cross Research Project of Central South University,ChinaProject(2020TJQ19)supported by the Hunan Provincial Science and Technology Promotion Talent Project,China。