|
|
|
|
| |
| 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，且各種參數對RC構件延性影響規律與經驗知識相符。由于RC墩柱橋梁模板力學性能受到多參數的綜合影響，采用本文提出的預測模型可以通過初期的分析結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對其力學特性的影響，對RC墩柱橋梁模板的抗震設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域經驗知識監督的神經網絡方法，并利用試驗數據和經驗知識建立更為高效、準確、穩定的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據，建立了試驗數據庫，并確定了各特征參數及對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模型提供數據和經驗知識支持。主要研究結論如下:
1)純數據驅動的機器學習方法難以克服RC墩柱橋梁模板試驗數據的誤差和分布不均勻問題，即使在訓練集和測試集均表現良好依然不能保證其泛化性能;
2)本文提出的經驗知識表征方法可以方便地用于監督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，還能符合經驗知識，克服神經網絡過分依賴訓練數據質量和數量的缺點;
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據和經驗知識，能夠準確預測RC墩柱橋梁模板的力學性能，可為基于性能的結構抗震設計和評估提供更為科學的依據。
然而，由于所收集的試驗數據參數的限制，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，在后續研究中仍需要對試驗數據庫進行豐富和完善，以提高KGNN模型的泛化性和準確性。http://www.kxkjtech.com |
| 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梁橋梁模板預制前的準備 |
|
| | |
|
