基于F-R-M方法的桥梁地震风险评估研究
本文选题:桥梁 + 随机有限元 ; 参考:《广西大学学报(自然科学版)》2017年01期
【摘要】:为解决现有有限元分析方法对求解地震作用下桥梁的失效概率计算量大、耗时长的问题,建立了一种神经网络仿真与概率有限元相结合的桥梁地震风险评估方法(F-R-M法)。首先通过多条地震波对桥梁进行时程分析,并得到相应的桥梁结构的地震响应;然后建立RBF神经网络,并将量化后的地震波能量、场地类别、峰值个数、结构弯矩作为输入参数,对神经网络进行训练和检验,训练成功后可采用Monte Carlo方法生成大量随机数,通过神经网络仿真得到桥梁结构随机地震响应数据,并计算出结构的失效概率;最后以某三跨连续刚构桥为例,采用有限元软件建立了全桥纤维单元模型,选取了24条地震波对其进行了动力增量(IDA)分析,并采用F-R-M法对该桥的地震风险概率进行了评估。实例分析表明,F-R-M法计算效率高、计算误差小,神经网络RBF将地震响应和地震输入之间的非线性映射关系很好地仿真模拟,研究结果可为桥梁抗震设计和地震风险评估提供参考。
[Abstract]:In order to solve the problem that the existing finite element analysis method can solve the problem that the failure probability of bridges under earthquake action is large and time-consuming, a bridge seismic risk assessment method based on neural network simulation and probabilistic finite element method is proposed in this paper. The seismic response of the bridge structure is obtained by the time history analysis of multiple seismic waves, and then the RBF neural network is established, and the seismic wave energy, site category, peak number are quantified. Structural bending moment is used as input parameter to train and test neural network. After training successfully, a large number of random numbers can be generated by Monte Carlo method, and the random seismic response data of bridge structure can be obtained by neural network simulation. Finally, taking a three-span continuous rigid frame bridge as an example, the fiber element model of the whole bridge is established by using finite element software, and 24 seismic waves are selected for dynamic increment analysis. The seismic risk probability of the bridge is evaluated by F-R-M method. The analysis of examples shows that the F-R-M method has high calculation efficiency and small calculation error. The nonlinear mapping relationship between seismic response and earthquake input is well simulated by neural network RBF. The results can be used as reference for seismic design and seismic risk assessment of bridges.
【作者单位】: 长安大学旧桥检测与加固技术交通行业重点实验室;湖北省交通运输厅工程质量监督局;西安科技大学建筑与土木工程学院;
【基金】:交通运输部应用基础研究项目(2015319812010) 陕西省社会发展科技攻关项目(2015SF265) 国家山区公路工程技术研究中心开放基金(gsgzj-2012-07) 陕西省自然科学基础研究计划项目(2013JQ7031) 中央高校基本科研业务费资助项目(3108211511070) 陕西省交通科技项目(15-19K)
【分类号】:U442.55
【相似文献】
相关期刊论文 前10条
1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期
2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期
3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期
4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期
5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期
6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期
7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期
8 宋玉华,,王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期
9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期
10 王中贤,钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期
相关会议论文 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
相关重要报纸文章 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者 张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
相关博士学位论文 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年
相关硕士学位论文 前10条
1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年
5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年
6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年
7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年
8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
本文编号:1792431
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/1792431.html