桥梁断面非线性气动力及响应计算的深度神经网络方法
颤振稳定性是制约大跨度桥梁跨径进一步增长的关键设计因素，针对桥梁颤振的理论分析框架已从传统的线性颤振临界点计算，转向计入气动力振幅依存性的非线性颤振分析。目前对于均匀流下非线性颤振的计算方法及其发生机理已有较为深入的探索，但仍未涉及到紊流条件下的桥梁非线性颤（抖）振特性及非线性气动力的研究。由于实际桥梁所处来流风环境基本为紊流，如何对非线性气动力进行合理建模并获取桥梁钝体断面在不同风环境下可能发生的大振幅运动状态，是目前大跨度桥梁颤振设防及抗风规范制定工作的重中之重。 在BARC（a Benchmark on the Aerodynamics of a Rectangular5∶1Cylinder）框架下，本文以典型5∶1矩形断面为研究对象，利用节段模型自由振动同步测振及测压风洞试验，系统性地开展了均匀流及两种格栅紊流下的非线性颤（抖）振试验，并同步获取断面在不同运动状态下的气动力。以试验数据为基础，详细地研究了不同风场下的气动力非线性特性及非线性颤（抖）振特性，提出了基于神经网络技术的非线性气动力统一建模方法，并以此为依据，提出了适用于不同来流条件下的非线性气动力提取及非线性颤（抖）振分析的Encoder-Decoder统一框架。本文研究成果揭示了钝体断面在不同来流下的非线性气动力及非线性响应特性，弥补了现有非线性气动力提取方法的不足，完善了钝体断面非线性颤振分析体系，为大跨度及超大跨度桥梁抗风设计提供重要的理论参考。 本文主要进行了以下主要工作： (1)利用被动格栅模拟了两种不同紊流特性的脉动风场；研究了节段模型自由振动系统结构阻尼和刚度随振幅（或时变位移）变化的非线性规律；基于自主研发的信号触发装置，同步获取了5∶1矩形断面在不同运动状态下的非线性气动力、非线性响应以及来流脉动风速。 (2)研究了均匀流和两种紊流下5∶1矩形断面在全风速过程中所发生的非线性响应特性，主要包括振幅统计特性和时变特性，以及位移时程概率密度特性，讨论了不同紊流来流对于非线性颤振特性的影响。 (3)研究了均匀流和两种紊流下5∶1矩形断面非线性气动力的演化特性，主要包括跨向相关性、频谱特性，以及气动力幅值演化规律，揭示了不同来流风环境下全风速过程中气动力演化特性的区别与联系。 (4)讨论了现有线性和非线性气动力建模及参数识别方法，并基于深度神经网络（DNN）和长短期记忆网络（LSTM）技术，提出了适用于均匀流和紊流下钝体断面非线性气动力建模的统一方法并验证其可行性，讨论了非线性气动力模型输入变量阶次对于气动力建模的影响，证明了采用三阶输入变量训练网络具有更好的效果。 (5)以神经网络模型和隐马尔科夫模型为出发点，提出了用于提取不同风场条件下钝体断面非线性气动力及用于时域计算非线性颤（抖）振响应的Encoder-Decoder统一框架，且断面形式无任何限制。该框架能够仅依赖自由振动时程数据即可完成5∶1矩形断面在非线性颤（抖）振状态下的气动力辨识工作和非线性响应时域分析，基于该框架的计算结果与风洞试验测压及测振结果吻合较好。以箱型桥梁断面作为应用案例开展非线性响应计算，计算结果进一步验证了该框架的准确性，证实了该框架应用到桥梁断面的可行性。
大跨度桥梁;非线性气动力;非线性颤振;神经网络
西南交通大学
博士
桥梁与隧道工程
廖海黎;王骑
2021
中文
U441.3
2022-12-13（万方平台首次上网日期，不代表论文的发表时间）