斜拉桥π型主梁断面涡激振动性能的人工智能识别.pdf

斜拉桥π型主梁断面涡激振动性能的人工智能识别.pdf

ID:34502809

大小:3.73 MB

页数:98页

时间:2019-03-07

斜拉桥π型主梁断面涡激振动性能的人工智能识别.pdf_第1页
斜拉桥π型主梁断面涡激振动性能的人工智能识别.pdf_第2页
斜拉桥π型主梁断面涡激振动性能的人工智能识别.pdf_第3页
斜拉桥π型主梁断面涡激振动性能的人工智能识别.pdf_第4页
斜拉桥π型主梁断面涡激振动性能的人工智能识别.pdf_第5页
资源描述:

《斜拉桥π型主梁断面涡激振动性能的人工智能识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:U44,U4510710-2015121075硕士学位论文斜拉桥π型主梁断面涡激振动性能的人工智能识别吴拓导师姓名职称李加武教授申请学位级别硕士学科专业名称桥梁与隧道工程论文提交日期2018年4月16日论文答辩日期2018年5月13日学位授予单位长安大学ArtificialIntelligenceonVortex-inducedVibrationPerformanceofπ-sectionGirderofCabel-stayedBridgeADissertationSubmittedfortheDegreeofM

2、asterCandidate:WuTuoSupervisor:LiJiawuChang’anUniversity,Xi’an,China摘要钢-混π型叠合梁(以下简称π型梁)主梁断面受力简单明确,标准化施工程度高,其结构特点非常适合双索面斜拉桥。但是π型梁开口钝体外形容易产生涡激振动,涡激振动起振风速低,发生频率高,能够影响桥梁结构的安全性与行车舒适性。因此,研究π型梁的涡振性能与抑制措施具有重要的意义和价值。由于涡振的机理复杂,难以寻找统一的、系统的涡激力模型进行求解。对此,本文通过人工智能的方法,基于现有风洞试验数据

3、和计算流体力学(CFD)数值模拟技术,采集足够的学习样本,建立人工神经网络模型,对π型梁涡激振动性能实现了人工智能识别。本文主要研究内容如下:(1)设计三种不同宽高比的π型梁节段模型,首先进行全面的涡激振动风洞试验探究。发现π型裸梁普遍存在涡激振动现象,并且多集中在+3~+5风攻角下。因此,选取最不利的+5风攻角进行集中风洞试验研究,以无量纲竖向幅值、起振折算风速、涡振锁定区长度为涡振性能指标,对比分析了不同宽高比π型裸梁涡激振动性能、风嘴等涡振控制措施抑振效果,探究了双竖向涡振区的成因。风洞试验作为目前最准确可靠

4、的涡振研究手段,所探究得出的π型梁涡振试验规律为后文提供了研究方向和可靠的学习样本。(2)利用Fluent提供的用户自定义函数,编制了基于纽马克-β法模拟π型梁竖向涡振的程序,并通过风洞试验结果对数值模拟结果进行了校核。经过校核后程序补充了π型裸梁和π型梁抑振措施的学习样本。整合风洞试验及数值模拟学习样本,以π型裸梁宽高比、开口率作为气动外形描述参数,选择风嘴和下稳定板作为抑振措施,进行涡振性能规律初探。(3)利用前文采集得到的学习样本,对不同神经网络模型进行适用性对比分析和控制参数的优化,分别建立了适用于π型梁涡振性能

5、预测、拟合和抑振措施效果分类的人工神经网络模型。建成的模型具有一定的准确性和推广性,能够对斜拉桥π型梁的涡振性能进行快速的、准确的判断。关键词:斜拉桥,π型梁,涡激振动,风洞试验,数值模拟,人工智能,人工神经网络iAbstract-sectiongirderhasawidespreadapplicationincable-stayedbridges,foritssimpleandclearstressconditionsandahighdegreeofstandardization.However,thebluffbo

6、dysectionof-sectiongirderispronetovortexinducedvibration(VIV),whichhasalowcriticalwindspeedandahighfrequencyofoccurrence.VIVcanaffectthesafetyofbridgestructures.Therefore,itisofgreatsignificanceandvaluetostudyVIV.DuetothecomplexmechanicsofVIV,itisdifficulttofind

7、aunifiedvortexforcemodeltosolvetheVIVresponse.Basedontheexistingwindtunneltestresultsandcomputationalfluiddynamics(CFD),thispaperuseadoptstheartificialneuralnetwork(ANN)methodtoidentifytheVIVperformanceof-sectiongirder.Themaincontentsofthispaperareasfollows.(1)I

8、nwindtunnelthreesectionalmodelwithdifferentaspectratioweredesigned.First,acomprehensiveVIVwindtunneltestisconducted.ItwasfoundthatVIVisobviouslyon-sectiongird

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。