第
32
卷第
4
期
2013
圭
8
月
重庆交通大学学报(自然科学版)
JOURNAL
OF
CHONGQING
JIAOTONG
UNIVERSITY(
NATURAL
SCIENCE)
do
i:l
O.
3969/j.
issn.
1674-0696.2013.04.02
Vo
l.
32
No.4
Aug.20
l3
基于
RBF
神经网络的单塔斜拉桥模型修正
单德山，丁德豪，李乔，黄珍
(西南交通大学土木工程学院桥梁工程系，四川成都
610031
)
摘要:为获得某单塔双索面斜拉桥换索过程中的工作状态，建立了一种联合子结构与径向基神经网络的有限元模型
修正新方法。根据模型参数修正理论，通过分析设计参数的相对灵敏度确定需要修正的参数;为满足参数离散性要
求，在模型修正过程中引入了子结构方法，并认为每一子结构中的设计参数是不变的。采用径向基
(RBF)
神经网络
作为模型修正优化算法。将子结掏与
RBF
神经网络相结合，从而将有限元模型修正的反问题转化为正问题;同时，
对子结构的划分、
RBF
神经网络构建以及输入输出参数的确定进行了讨论。以某单塔斜拉桥为例，验证了所提的联
合模型修正方法。结果表明:计算值与测量值之间的误差，在有限元模型修正前后有很大改善。
关
键词:有限元模型修正;径向基神经网络;单塔斜拉桥;子结构;相对灵敏度
中图分类号:
T
U3
17 ; U448. 27
文献标志码
:A
文章编号
:1674-0696(2013)04-0555-05
Finite Element Model Updating of Single Pylon Cable-Stayed Bridges
Based on
RBF-ANN
Shan
Deshan
,
Ding
Dehao
,
Li
Qiao
,
Huang
Zhen
(Department of Bridge Engineering, School of Civil Engineering, Southwest Jiaotong University ,
Chengdu 610031 , Sichuan , China)
Abstract:
In order to obtain the
contempor.
缸
y
state for the cable replacement project of one certain existing single pylon ca-
ble-stayed bridge with double cable plane
, a new combined method for finite element model updating is proposed. In the
light of the parameterized model updating theory
, the relative sensitivities of the calculated design parameters are analyzed
to
determine the will be modified
p
町
ameters.
Substructure method is introduced in the model updating process for meet the re-
quirement of the parameter' s discreteness
, and the calculated parameters in each substructure is regard as invariahles. The
radial basis function neural network
(RBF)
is adopted as the optimization algorithm of model updating. Combination the
substructure method and RBF
, the intrinsic "inverse problem" of finite element model updating is transformed as the "for-
ward problem". The substructure partition
, RBF neural network construction and its input and output parameters determina-
tion are discussed as wel
l. A certain existing single pylon cable-stayed bridge is taken as the case study
to
verify the pro-
posed combined model updating algorithm.
Th
e result shows that the discrepancy between the calculated value and measured
valued decrease dramatically before and after the finite element model updating.
Key
words:
finite element model updating; radial basis function neural network; single pylon cable-stayed bridge; substruc-
ture; relative sensitivity
。引
基于有限元理论，即可建立结构的有限元模型，
但该模型与实际结构存在误差，不一定能真实反映
结构的实际工作状态
[1}
。为使有限元模型计算结果
能真实表达实际工程结构，对有限元模型进行修正
是必要的
[2}
。
有限元模型修正本质是优化问题，在结构损伤
收稿日期
:2013-03-24
;修订日期
:2013-04-19
识别、管养、设计等方面均有广泛的应用。根据模型
修正对象的不同，有限元模型修正方法分为矩阵型
方法和设计参数型方法，相关研究表明设计参数型
修正方法更适合于复杂的桥梁结构。随着有限元模
型研究的深入，近年来基于神经网络的改进设计参
数型模型修正方法受到广泛的关注
[1}
。基于神经网
络的修正方法，费庆国，等
[3}
探索了非线性结构的有
基金项目:国家自然科学基金项目
(51078316)
;四川省科技计划项目
(20l
IJYω32)
;铁路科技研究开发计划项目
(2011ω26-E
，
2012ω13
田
C)
作者简介:单德山(1
969
一)
，男，四川大竹人，教授，博士，主要从事桥梁结构健康监测与损伤识别、大跨度桥梁施工控制方面的研究。
E
mail:dsshan@163.com
。
资源评论
