原文传递
基于深度学习的结构有限元模型修正研究
| 论文题名： | 基于深度学习的结构有限元模型修正研究 |
| 关键词： | 有限元模型修正;简单循环神经网络;Bi-LSTM网络;响应预测 |
| 摘要： | 自有限单元法的问世到如今已渗透到工程领域各个方面，一直备受工程界的重视。建立一个精确的有限元模型用以分析结构响应，对结构设计和评估具有重要意义。譬如，在结构健康监测中，对实际结构的监测往往是极少数位置处的响应，对监测结构进行评估预警往往需要大量的结构响应信息，这时候一个能够足够准确地预测结构响应的模型就十分必要了。 有限元模型修正是通过实测信息修正理论有限元模型，使有限元模型能够更真实地反映实际结构的行为。伴随着有限元分析的广泛应用和人们对结构健康监测的日益重视，该技术的需求也越来越迫切。深度学习技术在近年来飞跃发展，但探索深度学习技术在有限元模型修正的应用研究仍较为欠缺，因此有必要开展这方面研究。 本文采用深度学习技术进行有限元模型修正，主要内容包括：基于简单循环神经网络的有限元模型修正方法和基于Bi-LSTM网络的有限元代理模型。 围绕基于神经网络的有限元模型修正问题，本文分析了结构特征量选取问题，通过一种考虑多个相关性系数的方法筛选出合适的模型修正参数。建立了基于简单循环神经网络的结构有限元模型修正方法，详细阐述了简单循环神经网络的构建方法，并根据模型修正问题选取了适合的激活函数和损失函数。通过一个两跨连续梁算例表明了该方法的可行性。 进一步以塔吊结构为对象，以结构自振频率和振型为结构特征量，以结构材料和构件几何参数为修正变量，通过有限元分析产生样本，训练了塔吊有限元模型修正的深度学习模型，并对比了采用简单循环神经网络、BP神经网络和一维卷积神经网络进行塔吊有限元模型修正的结果，验证本文提出的深度学习有限元修正模型的有效性和优越性。 提出采用Bi-LSTM网络替代繁琐的有限元模型修正，建立直接根据实测响应预测感兴趣位置响应的代理模型。以塔吊结构风致振动响应预测为应用案例，采用AR模型实现多维脉动风速模拟，并计算随机风场下的塔吊响应作为训练样本，分别通过塔吊单点和两点响应样本，训练获得了基于Bi-LSTM网络的塔吊响应预测模型，验证了该模型对塔吊任意位置处的响应具有较好的预测精度，而且计算效率很高。 |
| 作者： | 梁智亮 |
| 专业： | 土木工程 |
| 导师： | 段忠东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
