通过遗传算法-反向传播(GA-BP)神经网络结合准静态试验验证,对薄壁空心桥墩的有效刚度进行数据驱动预测

《Advances in Engineering Software》:Data-driven prediction of effective stiffness for thin-walled hollow piers via a GA-BP neural network with quasi-static test validation

【字体: 大 中 小 】 时间:2026年05月03日 来源:Advances in Engineering Software 5.7

编辑推荐:

  崔浩梦|邵长江|王伟|张宇航|齐启明|王春阳西南交通大学土木工程学院,中国成都610031摘要有效刚度是基于位移的地震设计方法中的关键参数,为桥梁结构的高效地震性能评估提供了一种简化方法。然而,传统的经验公式无法准确量化空心桥墩在多参数作用下的刚度退化。此外,具有圆端变截面的空心

  
崔浩梦|邵长江|王伟|张宇航|齐启明|王春阳
西南交通大学土木工程学院,中国成都610031

摘要

有效刚度是基于位移的地震设计方法中的关键参数,为桥梁结构的高效地震性能评估提供了一种简化方法。然而,传统的经验公式无法准确量化空心桥墩在多参数作用下的刚度退化。此外,具有圆端变截面的空心桥墩在地震激励下会经历累积损伤演变,这大大增加了有效刚度预测的复杂性。因此,我们整理了113个现有空心桥墩准静态试验的数据集。开发了BP(反向传播)和GA-BP(遗传算法-反向传播)神经网络模型,以建立输入参数与有效刚度比之间的非线性映射。通过7个桥墩的准静态试验验证了这些预测模型。结果表明,GA-BP模型的性能显著优于传统BP模型,最大预测误差降低了63%。实验验证表明,GA-BP模型预测的有效刚度比的平均绝对误差为4.58%,同时误差分散较小,系统偏差也较低。通过遗传算法进行全局优化,克服了传统BP模型的局部收敛限制,从而构建了一个将神经网络与空心桥墩试验数据相结合的有效刚度预测框架。该预测模型为铁路桥梁的地震设计提供了一种高精度的智能工具,促进了设计标准从基于经验公式的转变向数据驱动方法的过渡。

引言

有效刚度是估算桥墩端部位移和分析桥墩动态特性的关键参数。其应用还为构建非线性桥墩的双线性简化模型提供了基础[[1], [2], [3]]。因此,准确评估此类桥墩的有效刚度已成为全球研究人员和工程师关注的焦点。
桥梁桥墩有效刚度的计算精度直接决定了结构变形预测和地震性能评估的可靠性[[4], [5]]。然而,现行规范推荐的参数计算方法与实际工程实践的复杂性之间存在显著差距,这仍是地震设计理论发展的主要瓶颈[[6], [7]]。抗弯刚度也是评估地震设计中桥墩非线性行为的关键参数。设计规范(如Caltrans [8]、Eurocode 8 [9]和《公路桥梁抗震设计规范》(JTG/T 2231–01–2020)[10])建议通过P-M-Φ分析来确定抗弯刚度。这些规范强调,抗弯刚度不仅与轴向压缩比和纵向配筋比有关,还与材料的抗压强度和构件的几何形状密切相关。因此,许多研究广泛探讨了不同结构形式下有效刚度与抗弯刚度之间的相关性,并发现有效刚度可以视为抗弯刚度的简化表示。此外,抗弯刚度的简化模型通常能够提供高精度的地震响应分析[[11], [12]]。
然而,传统评估方法存在明显局限性:基于弹性力学假设的理论公式无法准确捕捉空心桥墩复杂的几何和材料非线性行为[13]。尽管有限元方法精度较高,但由于建模复杂和计算耗时,不适合大规模工程项目中的快速设计和实时评估[[14], [15]]。尽管现有研究中开发了多种支持地震设计的有效刚度计算模型,但适用范围有限和精度不足的问题仍未解决。大多数模型依赖于单变量分析或简化耦合分析,难以准确捕捉复杂场景下多因素的非线性相互作用。此外,可用的实验数据范围有限,对多种设计参数组合的验证也不充分。
尽管传统经验公式在工程实践中被认为实用,但在应用于高度复杂的桥墩或需要高精度设计时,常常发现其准确性不足。因此,开发高效准确的有效刚度预测方法已成为提高桥梁设计效率的迫切需求[16]。近年来,神经网络技术的快速发展为解决上述问题提供了新途径。凭借强大的非线性建模和自适应学习能力[[17], [18]],神经网络可以从庞大的实验数据集中学习有效刚度与多个结构参数之间的复杂映射,从而显著提高预测精度和模型适用性。与传统基于力学的分析方法相比,这种数据驱动的方法直接构建了参数与有效刚度之间的非线性相关模型,无需复杂的本构关系式,能够实现快速实时预测[19]。这一技术创新提供了一种克服传统方法在效率和精度方面的双重瓶颈的新解决方案。此外,通过变截面圆端空心桥墩的准静态试验评估了所提出的有效刚度预测模型的适用性,并通过实验数据验证了其预测精度。与传统多参数回归公式(依赖于预设的功能形式,如线性或对数线性组合,且在参数间非线性耦合较强时经常出现过拟合问题)相比,所提出的GA-BP神经网络具有两个显著优势:它无需明确的力学假设即可捕捉复杂的非线性相互作用;通过优化的网络结构自动权衡了轴向压缩比和剪切跨比等影响刚度退化的因素;并且GA-BP模型在不同截面几何形状(矩形、圆形和圆端)和参数范围内具有出色的泛化能力,而回归公式往往针对特定数据集进行校准,在外推时精度会下降。
本文除引言外主要包含五个部分。首先,基于现有研究整理了空心桥墩的试验数据集。其次,开发了一个结合神经网络技术的机器学习框架,用于捕捉有效刚度预测的多参数非线性相互作用。第三,设计并进行了铁路空心桥墩的准静态试验。从实验数据中计算出测得的有效刚度值,为预测模型提供了实验基础。然后,通过神经网络建模验证了所提出的圆端变截面铁路空心桥墩有效刚度预测方法,并根据实验结果评估其预测精度。最后,总结了主要发现,并提出了一种高精度的参数化工具,以支持圆端变截面钢筋混凝土空心桥墩的地震设计。因此,本研究不仅提供了一种高精度的地震设计智能工具,还展示了从基于经验公式的桥梁工程设计向数据驱动方法的范式转变。

章节摘录

有效刚度的定义

桥梁桥墩截面的有效刚度是通过等效线性化方法定义的,作为能够整合材料非线性、累积截面损伤和几何非线性变形等复杂因素的截面抗弯或抗剪刚度参数[[20], [21]]。其核心思想是将本质上的非线性力-变形行为线性化为一个刚度参数,以便在线性分析模型中表示真实的截面变形。

BP神经网络模型的构建

基于收集的113组空心桥墩试验数据,构建了一个BP神经网络模型用于数据训练和结果预测[[41], [42]]。首先对数据进行归一化以消除尺寸差异,然后采用分层随机抽样将数据集分为训练集(90组)和测试集(23组),比例为8:2,以确保特征分布平衡。在MATLAB平台上构建了一个三层BP神经网络。

试件的设计

为了验证所提出的空心桥墩有效刚度预测模型的适用性并使用实验数据评估其准确性,从正在进行的双线铁路桥项目中选取了一个高度为24米的圆端变截面空心桥墩,符合中国铁路桥规范[40]。据此,开发并测试了七个大型空心桥墩试件[45]。原型结构的特点是

GA-BP神经网络的验证

在第3节中,建立了一个GA-BP神经网络模型。该模型基于113组空心桥墩的准静态试验数据进行训练和优化,在初步测试阶段显示出强大的泛化能力和高预测精度。然而,由于圆端变截面铁路空心桥墩在截面几何形状、抗力机制和损伤演变行为方面的独特性,需要进一步验证以评估其

结论

基于现有的空心桥墩试验数据,利用BP和GA-BP神经网络开发了圆端变截面空心桥墩有效刚度的智能预测模型。对铁路空心桥墩进行了三组准静态试验,为上述预测模型提供了测量数据支持。验证了GA-BP神经网络预测空心桥墩有效刚度的适用性。

CRediT作者贡献声明

崔浩梦:撰写 – 审稿与编辑,撰写 – 原稿,可视化,验证,软件,方法论,调查,形式分析,数据管理,概念化。邵长江:撰写 – 审稿与编辑,监督,资源协调,项目管理,资金获取,数据管理,概念化,方法论。王伟:撰写 – 审稿与编辑,验证,调查,方法论。张宇航:可视化,软件,形式分析。齐启明:撰写 –
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号