|
|
|
|
| |
| 準確分析RC墩柱橋梁模板承載力和變形能力 |
綜上，本文建立的KGNN方法具有較強的泛化能力，可以準確分析RC墩柱橋梁模板承載力和變形能力，且各種參數(shù)對RC構(gòu)件延性影響規(guī)律與經(jīng)驗知識相符。由于RC墩柱橋梁模板力學性能受到多參數(shù)的綜合影響，采用本文提出的預(yù)測模型可以通過初期的分析結(jié)果來減少試驗工況和降低試驗成本，還可以研究各特征參數(shù)對其力學特性的影響，對RC墩柱橋梁模板的抗震設(shè)計和評估均有一定借鑒意義。
本文針對RC墩柱橋梁模板力學性能提出了一種領(lǐng)域經(jīng)驗知識監(jiān)督的神經(jīng)網(wǎng)絡(luò)方法，并利用試驗數(shù)據(jù)和經(jīng)驗知識建立更為高效、準確、穩(wěn)定的RC墩柱橋梁模板性能分析模型。通過收集與分析761組RC墩柱橋梁模板試驗數(shù)據(jù)，建立了試驗數(shù)據(jù)庫，并確定了各特征參數(shù)及對RC墩柱橋梁模板性能的影響機理，為RC墩柱橋梁模板力學性能KGNN模型提供數(shù)據(jù)和經(jīng)驗知識支持。主要研究結(jié)論如下:
1)純數(shù)據(jù)驅(qū)動的機器學習方法難以克服RC墩柱橋梁模板試驗數(shù)據(jù)的誤差和分布不均勻問題，即使在訓練集和測試集均表現(xiàn)良好依然不能保證其泛化性能;
2)本文提出的經(jīng)驗知識表征方法可以方便地用于監(jiān)督KGNN模型的訓練過程，保證訓練模型不僅具有較高的模擬精度，還能符合經(jīng)驗知識，克服神經(jīng)網(wǎng)絡(luò)過分依賴訓練數(shù)據(jù)質(zhì)量和數(shù)量的缺點;
3)本文建立的KGNN方法可以同時利用已獲得的RC墩柱橋梁模板試驗數(shù)據(jù)和經(jīng)驗知識，能夠準確預(yù)測RC墩柱橋梁模板的力學性能，可為基于性能的結(jié)構(gòu)抗震設(shè)計和評估提供更為科學的依據(jù)。
然而，由于所收集的試驗數(shù)據(jù)參數(shù)的限制，本文在分析過程中對箍筋形式、鋼筋直徑等因素進行了簡化考慮，在后續(xù)研究中仍需要對試驗數(shù)據(jù)庫進行豐富和完善，以提高KGNN模型的泛化性和準確性。http://m.fjhuatuanli.cn |
| 上一篇：RC墩柱橋梁模板主要力學特性包括承載力和變形能力 下一篇：T梁橋梁模板預(yù)制前的準備 |
|
| | |
|
