發(fā)布時間：2020-09-22 09:14

　　 基于性能的抗震設(shè)計方法依賴于準確的結(jié)構(gòu)彈塑性分析,進而依賴于準確的構(gòu)件模擬結(jié)果。目前,纖維單元因計算效率高而被廣泛應(yīng)用于結(jié)構(gòu)彈塑性計算中。對于桿系構(gòu)件,如梁、柱等,其纖維單元參數(shù)選擇的規(guī)律具有通用性,模擬精度較高。但是,對于剪力墻構(gòu)件,其纖維單元參數(shù)選擇的規(guī)律不具備通用性,難以確定合適的單元參數(shù),導致模擬精度較低。本質(zhì)上,剪力墻纖維單元參數(shù)選擇是優(yōu)化問題,即尋求控制參數(shù)和纖維單元參數(shù)的最優(yōu)映射關(guān)系。而深度學習通過多層感知結(jié)構(gòu)回歸數(shù)據(jù)隱含規(guī)律,具有優(yōu)異的特征學習能力,適用于解決剪力墻纖維單元參數(shù)選擇問題。本文基于大量剪力墻滯回試驗數(shù)據(jù),創(chuàng)新性地采用深度學習對控制參數(shù)與單元參數(shù)之間的數(shù)值關(guān)系進行回歸,通過深度神經(jīng)網(wǎng)絡(luò)準確預(yù)測剪力墻纖維單元參數(shù),極大地提高了剪力墻構(gòu)件彈塑性分析的精度。主要研究工作和成果如下:(1)收集共256份剪力墻試驗數(shù)據(jù),基于非關(guān)系型數(shù)據(jù)庫Mongo DB構(gòu)造標簽數(shù)據(jù)庫,根據(jù)目前纖維單元參數(shù)選擇的經(jīng)驗和方法,通過Open SEES對數(shù)據(jù)庫中所有試件建立MVLEM單元進行彈塑性分析,評估目前纖維單元模擬誤差。統(tǒng)計結(jié)果顯示,模擬結(jié)果誤差較大,各特征點平均相對誤差距離約為18%,且模擬結(jié)果的峰值點側(cè)向承載力偏低,相對誤差絕對值均值達到16%左右。同時,模擬滯回曲線下降段不明顯,存在高估剪力墻延性的現(xiàn)象;(2)優(yōu)化纖維單元參數(shù),通過人為調(diào)參將目前試驗結(jié)果轉(zhuǎn)換為纖維單元參數(shù)標簽數(shù)據(jù),用于訓練深度神經(jīng)網(wǎng)絡(luò)。同時,根據(jù)優(yōu)化后的纖維單元參數(shù),對試驗數(shù)據(jù)庫中的所有試件進行彈塑性分析,評估模擬誤差。統(tǒng)計結(jié)果顯示,優(yōu)化結(jié)果各特征點的平均相對誤差距離約8%。峰值點位移角相對誤差絕對值均值約2%,而極限點位移角相對誤差絕對值均值約5%;峰值點側(cè)向承載力仍低于試驗值,相對誤差絕對值均值約7%,極限點側(cè)向承載力相對誤差絕對值均值約4%;(3)基于全連接層,設(shè)計適用于剪力墻纖維單元參數(shù)選擇的深度前饋網(wǎng)絡(luò)模型。模型共5層全連接層,接受26個獨立的控制參數(shù)作為輸入和28個獨立的單元參數(shù)作為輸出,隱藏層為3層,節(jié)點數(shù)分別為128、128和64。為抑制過擬合和提高收斂效率,采取早停措施和使用一種特殊的特征縮放方法;(4)基于優(yōu)化纖維單元參數(shù),訓練深度前饋網(wǎng)絡(luò)模型,通過分析訓練集、驗證集誤差和統(tǒng)計測試集預(yù)測模擬結(jié)果,對模型的泛化能力進行評估。同時,基于該模型對剪力墻控制參數(shù)和纖維單元參數(shù)進行敏感性分析,復(fù)核結(jié)構(gòu)概念。評估結(jié)果顯示,深度前饋網(wǎng)絡(luò)模型訓練效果良好,無過擬合。訓練集均方差僅4×10-4,驗證集均方差僅7.5×10-3。誤差分析結(jié)果顯示,各特征點的位移角相對誤差絕對值均值約7%,側(cè)向承載力相對誤差絕對值均值約10%,平均相對誤差距離約13%,極大地降低彈塑性分析的誤差。預(yù)測結(jié)果基本符合結(jié)構(gòu)概念,泛化能力強,但極小概率存在模擬精度降低的情況。
【學位單位】：華南理工大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TU398.2
【部分圖文】：

華南理工大學碩士學位論文模型，評估不同剪跨比、軸壓比和配筋率對塑性鉸長度的影響，進而回歸分析對塑性鉸長度影響，提出多參數(shù)綜合影響下的塑性鉸長度計算模型。 本文研究思路和內(nèi)容基于纖維單元對構(gòu)件或結(jié)構(gòu)進行彈塑性分析的過程如圖 1-1 所示。可見，第一參數(shù)確定纖維單元參數(shù)的過程，影響著后續(xù)建模和結(jié)果的精度，對于剪力墻構(gòu)不例外。但是通過相關(guān)課題的研究現(xiàn)狀可知，目前剪力墻纖維單元參數(shù)的選擇為主，缺乏通用的單元參數(shù)選擇方法，使得基于纖維單元的剪力墻構(gòu)件彈塑性較大。

第一章 緒論人為調(diào)整纖維單元參數(shù)，使得模擬結(jié)果與試驗結(jié)果相近，從而獲得優(yōu)化纖維單元參數(shù)，以此作為模型訓練的標簽數(shù)據(jù)，本文稱這部分工作為纖維單元優(yōu)化。同時，用于回歸構(gòu)件控制參數(shù)和纖維單元參數(shù)的深度神經(jīng)網(wǎng)絡(luò)可采用深度前饋網(wǎng)絡(luò)模型，本文將基于常規(guī)設(shè)計方法對模型進行設(shè)計。最后，基于所設(shè)計的深度前饋網(wǎng)絡(luò)模型，輸入剪力墻構(gòu)件控制參數(shù)，輸出纖維單元參數(shù)，通過對預(yù)測值和優(yōu)化纖維單元參數(shù)標簽數(shù)據(jù)之間產(chǎn)生的誤差進行反向傳播來訓練模型。最后，通過訓練收斂的深度前饋網(wǎng)絡(luò)模型，實現(xiàn)根據(jù)不同控制參數(shù)直接預(yù)測得到纖維單元參數(shù)的目標，達到本文的研究目的。

10圖 1-3 本文研究內(nèi)容及章節(jié)相互關(guān)系中，擬解決以下三個關(guān)鍵性問題：經(jīng)網(wǎng)絡(luò)模型的設(shè)計對訓練收斂與否以及收斂速度都經(jīng)網(wǎng)絡(luò)，保證訓練過程能良好收斂，防止出現(xiàn)過擬合經(jīng)網(wǎng)絡(luò)所反映的特征和規(guī)律應(yīng)具有一定的結(jié)構(gòu)意義識的引入量需要進行權(quán)衡，不宜過多導致訓練結(jié)果趨練結(jié)果與所掌握的結(jié)構(gòu)概念相左，不易理解和應(yīng)用。

【參考文獻】

相關(guān)期刊論文 前10條

1 張守軍;;有限單元柔度法考慮剪切變形的纖維單元模型[J];世界地震工程;2015年01期

2 劉建偉;劉媛;羅雄麟;;深度學習研究進展[J];計算機應(yīng)用研究;2014年07期

3 杜軻;孫景江;丁寶榮;劉琛;;基于MFBFE剪力墻單元研究及低周反復(fù)試驗數(shù)值分析[J];土木工程學報;2014年01期

4 杜軻;孫景江;許衛(wèi)曉;;纖維模型中單元、截面及纖維劃分問題研究[J];地震工程與工程振動;2012年05期

5 孫志軍;薛磊;許陽明;王正;;深度學習研究綜述[J];計算機應(yīng)用研究;2012年08期

6 朱立猛;周德源;張強;;基于改進纖維模型的RC剪力墻靜力彈塑性分析[J];沈陽工業(yè)大學學報;2012年01期

7 張廣亮;張廣宇;李軍;;改進纖維模型單元在剪力墻非線性分析中的應(yīng)用[J];水利與建筑工程學報;2010年02期

8 朱玉華;黃海榮;胥玉祥;;基于性能的抗震設(shè)計研究綜述[J];結(jié)構(gòu)工程師;2009年05期

9 林旭川;陸新征;繆志偉;葉列平;郁銀泉;申林;;基于分層殼單元的RC核心筒結(jié)構(gòu)有限元分析和工程應(yīng)用[J];土木工程學報;2009年03期

10 韓小雷;陳學偉;吳培烽;鄭宜;楊志強;;OpenSEES的剪力墻宏觀單元的研究[J];世界地震工程;2008年04期

相關(guān)博士學位論文 前1條

1 陳學偉;剪力墻結(jié)構(gòu)構(gòu)件變形指標的研究及計算平臺開發(fā)[D];華南理工大學;2011年

相關(guān)碩士學位論文 前3條

1 李智泉;MCFT在RC剪力墻非線性分層殼單元中的集成[D];大連理工大學;2015年

2 趙航;鋼筋混凝土剪力墻計算模型和數(shù)值模擬研究[D];西安建筑科技大學;2015年

3 謝瑞芳;基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的建筑工程造價預(yù)測研究[D];武漢科技大學;2016年

本文編號：2824190