当前位置:主页 > 科技论文 > 路桥论文 >

基于LSTM网络的某斜拉桥地震响应建模方法研究

发布时间:2022-10-22 19:25
  桥梁结构地震响应模型不仅能用于地震作用下桥梁损伤的识别与判断,还能为桥梁抗震设计提供新思路,因此对桥梁结构地震响应建模方法研究具有很高的现实意义。传统的地震响应分析方法有静力分析法与时程分析法。前者因忽略高阶振型,分析结果存在较大误差;后者因参数计算困难,难以被推广使用。随着桥梁健康监测的发展,大量的监测数据被采集,这满足了神经网络算法的数据条件,而神经网络算法是一种自适应高度非线性建模方法。因此,本文引入神经网络算法中的LSTM网络,对某斜拉桥地震响应进行建模。然后提出基于桥梁结构地震响应模型的损伤识别方法,将本文所建的模型应用于损伤识别领域。主要研究如下:1.收集地震动与桥梁响应数据,建立数据库。首先根据桥梁响应数据特征提出数据选取规则;然后以此规则收集地震动及桥梁响应时程数据,对收集到的数据进行预处理与统计分析;将处理后的数据做成数据库用于后续的神经网络建模。2.利用LSTM网络对桥梁结构的地震响应进行建模。首先介绍了LSTM网络的基本数学原理与搭建步骤;然后对基于LSTM网络桥梁结构地震响应建模方法的可行性进行分析;之后设计LSTM网络计算图,根据计算图建立地震动-索塔响应模型... 

【文章页数】:78 页

【学位级别】:硕士

【文章目录】:
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 桥梁结构地震响应分析方法研究现状
        1.2.2 损伤识别方法研究现状
        1.2.3 神经网络建模方法研究现状
    1.3 基于LSTM网络地震响应建模的可行性分析
    1.4 本文的主要研究内容
第2章 基本原理
    2.1 引言
    2.2 地震响应分析方法及原理
        2.2.1 静力分析法原理
        2.2.2 时程分析法原理
    2.3 损伤识别建模方法及原理
        2.3.1 传递函数模型
        2.3.2 离散状态空间方程
        2.3.3 自回归模型
    2.4 递归神经网络建模方法及原理
        2.4.1 经典递归神经网络建模方法
        2.4.2 LSTM神经网络建模方法
    2.5 本章小结
第3章 某斜拉桥地震响应数据库建立
    3.1 引言
    3.2 某斜拉桥健康监测系统简介
        3.2.1 某斜拉桥基本信息
        3.2.2 健康监测系统布置情况
    3.3 数据选取规则
    3.4 数据预处理及分析
        3.4.1 数据预处理
        3.4.2 数据分析
    3.5 训练集与测试集数据库建立
    3.6 本章小结
第4章 基于LSTM网络的桥梁地震响应模型
    4.1 引言
    4.2 LSTM网络计算图及参数选取
        4.2.1 LSTM网络计算图设计
        4.2.2 模型参数选取
        4.2.3 模型参数分析
        4.2.4 模型评价指标
    4.3 某斜拉桥地震响应模型
        4.3.1 地震动-索塔加速度模型
        4.3.2 地震动-箱梁加速度模型
    4.4 模型结果分析
        4.4.1 模型训练结果
        4.4.2 模型测试结果
        4.4.3 结果分析
    4.5 模型在损伤识别中的应用
        4.5.1 KL散度及损伤识别方法
        4.5.2 基于地震响应模型的应用算例
        4.5.3 算例结果分析
        4.5.4 方法讨论
    4.6 本章小结
结论
参考文献
致谢


【参考文献】:
期刊论文
[1]时程信号的Hilbert-Huang变换与小波分析[J]. 石春香,罗奇峰.  地震学报. 2003(04)

博士论文
[1]基于数据驱动和物理模型的结构地震损伤识别方法研究[D]. 陶冬旺.哈尔滨工业大学 2013

硕士论文
[1]震后桥梁结构的时域损伤识别[D]. 刘越.西南交通大学 2010



本文编号:3696726

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3696726.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户75d04***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com