原文传递
基于深度学习的大跨度悬索桥非线性气动力和颤振研究
| 论文题名： | 基于深度学习的大跨度悬索桥非线性气动力和颤振研究 |
| 关键词： | 悬索桥;深度学习;长短时记忆网络 |
| 摘要： | 在“一带一路”、“交通强国”、“海洋强国”等新时代战略的引领下，我国大跨度悬索桥继往开来，迈上了新的发展台阶。伴随着悬索桥大跨化和轻柔化发展，结构对风荷载愈发敏感，加之非线性影响愈发突出，非线性颤振分析成为了大跨度桥梁抗风设计必然要跨越的难题，而非线性气动力是其基础和前提。本文结合深度学习技术，依托马鞍山长江公路大桥工程（主跨2×1080m三塔悬索桥），由二维断面数值模拟至三维全桥精细化分析，由非线性气动力至非线性颤振响应，层层递进，开展了一系列研究工作： (1)开展了桥梁断面非线性气动力数值模拟。以二维缩尺断面为对象，建立了CFD数值模型。基于该模型，先后实现了静止状态、强迫振动和自由振动三个层面的数值模拟。在此过程中，系统识别了三分力系数、颤振导数等气动参数，探究了栏杆等附属设施对气动参数的影响，展现了气动力非线性特性，计算了颤振临界风速。对比节段模型风洞试验结果，验证了气动力CFD数值计算方法的准确性。 (2)搭建了基于深度学习的桥梁非线性气动力模型。利用CFD强迫振动数值模拟获得大量非线性气动力数据，位移信号由谐波叠加法形成。引入了前馈神经网络(FNN)和长短时记忆(LSTM)网络等两类深度学习框架，并针对性构建了训练、验证和测试集，建立了两类非线性气动力降阶模型。在强迫振动、自由振动等多种工况下，对比了两模型的性能，并评估了流体记忆效应对气动力时域建模的重要性。 (3)提出了基于深度学习的全桥三维非线性颤振计算方法。基于LSTM网络，构建了基于足尺断面的气动力降阶模型。结合全桥有限元模型，利用重启动技术，实现了结构位移响应与气动力的跨平台动态迭代计算，并通过调整结构阻尼以消除附加激励影响。该方法综合考虑了三维效应、静风效应、气动力非线性和几何非线性，再现了全桥气弹模型风洞试验中出现的软颤振、模态转化等非线性颤振现象。 (4)探究了全桥非线性颤振响应特征和影响因素。立足于全桥尺度，先后分析了主梁、中塔、主缆和吊杆的非线性颤振响应。在此基础上，探讨了气动阻尼的振幅依存性、中塔参与颤振的形态特征和主梁瞬时扭转中心的移动等重要软颤振特性，并评估软颤振中的吊杆应力。开展了基于线性自激力的颤振时域计算，并综合全文涉及的三类颤振计算方法和两类风洞试验，总结了非线性因素对颤振计算的影响。 |
| 作者： | 冯丹典 |
| 专业： | 建筑与土木工程 |
| 导师： | 张文明;张宇峰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
