基于长短期记忆网络的桥梁非定常气动力预测
来源：中国血液净化杂志2023年第8期北京时间：
作者：刘庆宽, 刘士杰, 张珍, 周雪, 靖洪淼
单位：1. 石家庄铁道大学 土木工程学院, 河北 石家庄 050043;2. 石家庄铁道大学 省部共建交通工程结构力学行为与系统安全国家重点实验室, 河北 石家庄 050043;3. 河北省风工程和风能利用工程技术创新中心, 河北 石家庄 050043"],"fundList_en":["Innovation Research Group Project of Natural Science Foundation of Hebei Province of China (E2022210078); Science and Technology Winter Olympics Special Project (21475402D); High-end Talents Project of Hebei Province of China ([2019]63); Youth Program of National Natural Science Foundation of China (52208494); Youth Program of Natural Science Foundation of Hebei Province of China (E2021210063); Innovative Capacity Development Grant Program of Postgraduate students of Hebei Province of China (CXZZSS2023079)
摘要：气动力是影响桥梁结构稳定性和安全性的关键因素之一，其演化规律受其自身非定常特性和计算机精度的影响，很难实现长时间预测。准确预测桥梁结构的气动力特性对结构设计和振动控制具有重要意义。风洞试验和数值模拟是目前气动力研究中应用最广泛的方法，但风洞试验成本高，且难以模拟复杂风场条件，数值模拟对计算资源又具有强依赖性。因此，为了实现计算量和计算精度的平衡，利用长短期记忆(Long Short-term Memory, LSTM)网络开发了一种不同风攻角桥梁非定常气动力时序预测模型。该模型以不同风攻角下0~<i>n</i>时刻的气动力系数为输入，以<i>n</i>+1时刻的气动力系数为输出。首先，基于开源Tensorflow库构建LSTM网络框架；其次，基于3°、4°和5°三个风攻角的桥梁主梁非定常气动力数值模拟结果构建训练集和测试集，并进行模型训练；最后，利用训练好的模型基于风攻角分布进行内插和外推预测。在内插预测时，基于风攻角为3°和5°时的气动力系数构建数据集对模型进行内插训练，对风攻角为4°时的气动力系数进行预测。在外推预测时，基于风攻角为3°和4°时的气动力系数构建数据集对模型进行外推训练，对风攻角为5°时的气动力系数进行预测。结果表明：LSTM预测结果与数值模拟结果随时间变化的轨迹、振幅和周期基本一致，验证了所构建模型的预测能力。为了进一步验证模型的泛化性，使用已经训练好的LSTM外推预测模型对风攻角为0°和-3°时的气动力系数进行预测，结果显示该模型可以较好地预测原始结果。因此，该算法在桥梁结构非定常气动力预测中具有应用潜力，可为工程应用提供技术支持。
关键词：桥梁工程,气动力系数,长短期记忆,风攻角,深度学习
基金资助：河北省自然科学基金创新研究群体项目(E2022210078)；科技冬奥专项(21475402D)；河北省高端人才项目 (冀办[2019]63号)；国家自然科学基金青年科学基金项目(52208494)；河北省自然科学基金青年项目 (E2021210063)；河北省在读研究生创新能力培养项目(CXZZSS2023079)
