大跨悬索桥抖振控制MTMD的参数优化研究

摘要

风致抖振作为大跨桥梁的病害之一，极易导致悬索桥构件发生疲劳破坏，而且严重影响悬索桥的安全性和行车舒适度。随着悬索桥结构的广泛应用，风致抖振控制已成为土木工程领域亟需深入研究的关键科学问题之一。多重调谐质量阻尼器（MTMD）因其具有较好的减振性能，常被用作大跨结构的机械减振装置。目前，对MTMD的研究大都基于简化模型，将减振指标表示为显函数进行参数优化。但悬索桥构件种类繁多、连接方式复杂、非线性较强，简化模型无法精确模拟实际工程结构。基于上述研究背景，本文以某大跨悬索桥为研究对象，利用有限元软件ANSYS实现对悬索桥和MTMD的精准模拟，围绕脉动风的模拟和MTMD的减振优化进行研究，主要研究内容如下：　　(1)引入线性插值、神经网络及三次样条插值优化传统的谐波叠加法。本文通过对谱密度矩阵分解引入插值拟合对传统谐波叠加法进行优化。同时，对三种方法进行比较，其中，三次样条插值计算效率及精度最高，相比传统谐波叠加法，在模拟点数为40时，模拟时长减少了95%，且误差仅为5.8×10-5，实现了对风场的快速、有效模拟；采用改进后的谐波叠加法对主梁上64个点进行了风场模拟。　　(2)建立整桥及阻尼器模型。利用ANSYS建立整桥模型并进行模态分析，与其他文献相比，二者前5阶模态振型一致，且频率相差最大2.9%，证明了本文模型的可靠性。　　(3)MTMD各项参数的敏感性分析。以横向控制为目标，TMD个数、质量、频带宽、中心频率比及阻尼比为变量，评价MTMD减振性对各项参数的敏感性。　　(4)优化算法验证。对双参数进行均匀设计获取设计变量，利用Python编写程序调用ANSYS实现对设计变量的批量运算，采用RBF神经网络拟合结构的功能函数供遗传算法调用；网络测试精度表明：在有限组变量下，RBF神经网络拟合精度高，拟合最大误差仅为2.5%，得到的神经网络泛化能力较好；进化过程表明，新改进的遗传算法能实现快速收敛且保证了参数组合的多样性。　　(5)MTMD的双参数共同优化。通过悬索桥ANSYS模型的敏感性分析结果，初步确定MTMD的参数优化区间，并对各组参数下的模型进行时程分析，获得结构减振率；然后利用径向基神经网络拟合参数与减振率间的关系，采用遗传算法调用训练好的径向基神经网络对参数进行寻优。布置了优化后MTMD的悬索桥减振率高达48%，能有效实现悬索桥的抖振控制，具有一定工程意义。

目录

声明

第1章 绪论

1.1 研究背景

1.2悬索桥的发展

1.3抖振研究现状

1.3.1 桥梁抖振的研究方法

1.3.2 脉动风的模拟

1.3.3 抖振力计算

1.4 悬索桥抖振控制研究

1.5 本文研究的主要内容

第2章 遗传算法及神经网络的优化算法

2.1 概述

2.2 遗传算法简介

2.2.1 适应度函数的选取

2.2.2变量的编码与解码

2.2.3遗传算法操作设计

2.3改进的遗传算法

2.3.1遗传算法程序设计

2.3.2精英保留策略

2.3.3新改进遗传算法的数值模拟

2.4 径向基神经网络

2.5 优化算法的应用

2.5.1 RBF神经网络对谐波叠加法的改进

2.5.2 结合遗传算法与神经网络的MTMD优化算法

2.6 本章小结

第3章 脉动风的模拟

3.1 概述

3.2谐波叠加法原理

3.3 简化风场模拟方法

3.3.1 改进方法的比较

3.3.2 桥址处三维脉动风模拟

3.4 本章小结

第4章 悬索桥多重调谐质量阻尼器优化

4.1 概述

4.2 悬索桥建模及分析

4.2.1单元与参数的确定

4.2.2 工程概况

4.2.3 动力学特性分析

4.3 MTMD原理

4.4 敏感性分析

4.4.1 参数区间选取

4.4.2 MTMD参数对减振率影响

4.5 双参数减振率优化

4.5.1 优化算法

4.5.2优化效果

4.6本章小结

结论与展望

主要研究工作及结论

展望

参考文献

附录A 攻读硕士学位期间所撰写的学术论文目录

附录B 论文部分计算程序

致谢