作者：张文明，冯丹典，葛耀君
单位：1.东南大学混凝土及预应力混凝土结构教育部重点实验室，江苏 南京 210096； 2.同济大学土木工程防灾国家重点实验室，上海 200092
关键词：桥梁工程；非线性气动力；深度学习；前馈神经网络；长短时记忆网络；数值模拟
为准确模拟桥梁断面气动力的非线性特性和流体记忆效应，构建了基于深度学习的非线性气动力降阶模型。引入前馈神经网络（FNN）和长短时记忆（LSTM）网络2种深度学习框架，利用CFD强迫振动数值模拟获取非线性气动力数据，采用谐波叠加法合成强迫振动位移信号；结合2种框架的结构特征，以断面位移为输入、气动力为输出，针对性构建了用于网络训练、验证和测试的数据集。以某三塔悬索桥钢箱梁断面为例，分别建立基于FNN和基于LSTM网络的气动力降阶模型，并针对不同频率、自由度的强迫振动和自由振动等工况，评估对比了模型的性能。结果表明：2种降阶模型均可较好地模拟任意合理振动工况下断面非线性气动力，计算效率较数值模拟有极大提升，其中，基于LSTM网络的降阶模型具备更优的非线性气动力模拟性能。
来源：2023年第3期
《桥梁建设》期刊编辑部
查看桥梁建设杂志2023年第3期