栏目: 人工智能在桥梁风工程中的应用专栏 http://zgglxb.chd.edu.cn zh-cn http://zgglxb.chd.edu.cn/CN/current.shtml http://zgglxb.chd.edu.cn 5 http://zgglxb.chd.edu.cn/CN/abstract/abstract4442.shtml http://zgglxb.chd.edu.cn/CN/abstract/abstract4443.shtml http://zgglxb.chd.edu.cn/CN/abstract/abstract4444.shtml http://zgglxb.chd.edu.cn/CN/abstract/abstract4445.shtml http://zgglxb.chd.edu.cn/CN/abstract/abstract4446.shtml U_j、喷口移动速度U_T和环境风速U_b的相对值是影响下击暴流平均风速时程时变特征的关键因素；在参数优化过程中引入代理模型替代数值模型参与优化迭代，极大地提高了参数优化的效率；基于最优参数进行数值模拟，显著提高了下击暴流数值模拟的精度。]]> http://zgglxb.chd.edu.cn/CN/abstract/abstract4447.shtml n时刻的气动力系数为输入，以n+1时刻的气动力系数为输出。首先，基于开源Tensorflow库构建LSTM网络框架；其次，基于3°、4°和5°三个风攻角的桥梁主梁非定常气动力数值模拟结果构建训练集和测试集，并进行模型训练；最后，利用训练好的模型基于风攻角分布进行内插和外推预测。在内插预测时，基于风攻角为3°和5°时的气动力系数构建数据集对模型进行内插训练，对风攻角为4°时的气动力系数进行预测。在外推预测时，基于风攻角为3°和4°时的气动力系数构建数据集对模型进行外推训练，对风攻角为5°时的气动力系数进行预测。结果表明：LSTM预测结果与数值模拟结果随时间变化的轨迹、振幅和周期基本一致，验证了所构建模型的预测能力。为了进一步验证模型的泛化性，使用已经训练好的LSTM外推预测模型对风攻角为0°和-3°时的气动力系数进行预测，结果显示该模型可以较好地预测原始结果。因此，该算法在桥梁结构非定常气动力预测中具有应用潜力，可为工程应用提供技术支持。]]> http://zgglxb.chd.edu.cn/CN/abstract/abstract4448.shtml http://zgglxb.chd.edu.cn/CN/abstract/abstract4449.shtml ®网格变形驱动技术获取设计空间初始代表点集及其高质量计算网格，通过CFD数值模拟获得训练数据池；然后，建立风嘴设计参数和桥梁涡振响应的WOA-GRNN代理模型，通过数据池训练模型；接着，以某典型Π形截面大跨桥梁为工程背景，利用训练后WOA-GRNN代理模型预测多参数设计空间内的桥梁涡振响应面，通过自适应差分进化算法全域寻优，获得了最优设计参数及涡振响应值；最后，通过风洞试验结果对比验证了所提方法的正确性。研究结果表明：WOA-GRNN代理模型可显著提高桥梁气动外形优化效率；对案例Π形截面梁，最优风嘴气动外形#1的竖弯涡振响应相较于原型断面降低99%，抑振效果极佳。研究成果可为今后同类型Π形截面梁的涡振控制、气动外形优化以及相关研究提供重要参考。]]> http://zgglxb.chd.edu.cn/CN/abstract/abstract4450.shtml http://zgglxb.chd.edu.cn/CN/abstract/abstract4451.shtml R²均超过了0.99，低紊流情况下预测精度R²也超过了0.98，其中扭转角的预测精度R²也接近于0.99。因此，所提出的TL-Conv LSTM-AM组合模型在薄平板抖振响应预测中的精度较高，具有较强的泛化性。研究成果可为大跨度桥梁等工程结构的抖振响应时程预测提供新的思路。]]> http://zgglxb.chd.edu.cn/CN/abstract/abstract4452.shtml