详情

原文传递基于粒子群优化的支持向量机高桩梁板式码头损伤诱因反演模型

论文题名：	基于粒子群优化的支持向量机高桩梁板式码头损伤诱因反演模型
关键词：	高桩梁板式码头;损伤诱因作用;反演模型;支持向量机;粒子群优化
摘要：	高桩梁板式码头是一种主要修建在软弱地基上的港工结构物，在我国的沿海以及长江下游沿岸得到广泛的开发建设。在码头服役过程中，码头结构易受超限堆载、不规范靠泊、结构横向不均匀沉降等不利因素影响，从而导致码头结构损伤，对码头结构整体的安全带来严重的威胁。现有码头结构的健康监测方法主要关注于码头结构损伤后的识别与定位，目前针对高桩梁板码头损伤不良诱因作用进行前期预警与溯源的研究较少。　　本研究为构建高桩梁板式码头的损伤诱因反演模型，开展的研究工作和取得的成果如下：　　（1）通过文献调研，结合高桩梁板式码头的特点，确定了其主要损伤诱因的类型、作用形式、作用位置与大致的的作用的范围。并建立了高桩梁板式码头的概化有限元模型。将广义结构刚度理论与Abaqus的生死单元法结合，研究了码头在超限堆载、船舶不规范靠泊、码头结构横向沉降作用下各个桩基的重要性，确定了码头的监测桩基。根据高桩梁板式码头一般服役环境（海洋的高盐雾环境），以及目前的传感器元件和安装技术专利，确定了码头监测桩基的监测区域，并将桩基的竖向应变作为监测目标。并研究了监测桩基在特定损伤诱因作用工况下，监测区域的应变分布特征。结果表明该区域的应变分布特点明显，可以作为反演模型的信息源。　　（2）针对高桩梁板式码头损伤诱因反演的技术要求，提出并构建了基于支持向量机的反演模型，针对支持向量机的特征参数：惩罚因子C，RBF核函数的参数：核带宽σ，采用粒子群优化算法，对二者进行优化。研究确定了分类问题和回归问题常用的模型评估方法和评估指标。　　（3）为满足支持向量机损伤诱因反演模型对于训练的反演样本数据集在数量与质量上的需求，本文在构建的高桩梁板式码头有限元模型基础上利用Python对Abaqus进行二次开发，实现了多个随机工况的提交计算并提取计算结果中指点节点的应变数据，以批量获取应变数据的样本。计算了堆载作用3000组工况、船撞作用9000组工况、横向沉降作用1000组工况，提取了13000条应变数据用于反演数据集的的构建，以满足反演模型训练时的数据需求。　　（4）利用训练完成的损伤诱因反演模型，针对超限堆载作用、失控船撞作用、横向沉降作用三种主要损伤诱因进行了反演验证：模型对于损伤诱因的作用种类的识别精度为0.965。对于堆载作用的位置识别精度为0.94，针对堆载作用的强度识别，模型指标R2达到0.998，其作用强度反演结果的平均相对误差约为4.34%；针对船撞作用位置识别，反演模型的精度达到0.958，针对船撞作用的强度识别，模型指标R2达到0.997，其强度反演结果平均相对误差为5.64%；针对码头结构的横向沉降作用，反演模型的精度达到0.925，对于横向沉降量的识别，模型指标R2达到0.999，其反演结果平均相对误差为1.64%。综上所述，经粒子群优化的支持向量机反演模型可有效地对三类主要损伤诱因作用进行反演识别。
作者：	柯春儒
专业：	水利工程;港口、海岸及近海工程
导师：	周世良
授予学位：	硕士
授予学位单位：	重庆交通大学
学位年度：	2023