科研之友
微信
新浪微博
Facebook
分享链接
摘要
大跨度Π形梁桥易受涡激振动（VIV）影响，导致结构疲劳和行车舒适性降低。本研究针对这一问题，对涡振可靠性评估进行了深入研究，这是Π形梁桥设计的重要环节。现有的涡振可靠性评估方法面临多个失效域、难以获得接近极限状态面的样本、高维非线性和隐式问题等挑战。为解决这些问题，本研究提出了一种基于桥梁涡振参数经验分布的方法，考虑了桥梁材料特性、几何参数等随机变量。该方法使用径向基函数（RBF）替代复杂的有限元模型分析，并结合遗传算法（GA）采样策略进行优化，初步建立了涡振可靠性元模型。然后，使用基于距离限制的K-means算法找到最接近的失效点（CFPs）作为重要性采样（IS）的中心；使用双隐含层的反向传播（BP）神经网络模型以及GA采样进行元模型重构，以较少的样本数构建逼近涡振失稳的极限状态面的元模型，计算桥梁涡振失效概率。本研究选取了一个具有多种失效模式和非线性功能函数的二维可靠度分析问题作为验证模型。经过RBF-GA-BP-IS处理，成功识别出CFPs，使得后续添加的样本点更接近真实的极限状态面，计算的失效概率与解析解误差仅0.07%。在高维桥梁涡振可靠性评估中，由于涡振可靠性维度较高，本文的方法可以在元模型基础上重新选择CFPs进行重要性抽样，保证了桥梁涡振失效概率的精度，经过RBF-GA-（BP-IS）2处理，失效概率与对比解误差仅1.74%。
- 单位
