建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境.pdf

1、長(zhǎng)期以來(lái),在結(jié)構(gòu)工程領(lǐng)域,為了精確分析各種工程結(jié)構(gòu)的工作性能和反應(yīng),人們提出和引入了各種分析理論及方法,并與時(shí)俱進(jìn)地不斷改進(jìn),使有限元為代表的結(jié)構(gòu)數(shù)值模擬分析技術(shù)日漸強(qiáng)大。但是,兩個(gè)顯而易見(jiàn)的問(wèn)題一直在挑戰(zhàn)目前的結(jié)構(gòu)分析理論與方法:一是結(jié)構(gòu)分析理論與方法,無(wú)論是經(jīng)驗(yàn)公式還是被廣泛應(yīng)用的有限元分析方法,都是建立在一定的基本假設(shè)基礎(chǔ)之上,這使得結(jié)構(gòu)的數(shù)值模擬結(jié)果與結(jié)構(gòu)的實(shí)際工作性能與反應(yīng)之間具有天然的缺欠,在許多復(fù)雜工程結(jié)構(gòu)分析中誤差太大、

2、甚至失效。二是長(zhǎng)期積累的數(shù)量巨大的現(xiàn)有試驗(yàn)數(shù)據(jù)僅用于回歸分析或檢測(cè)數(shù)值模擬精度,而這些數(shù)據(jù)中所包含的大量關(guān)于結(jié)構(gòu)工作性能與反應(yīng)的寶貴信息沒(méi)有被充分發(fā)掘出來(lái)并加以利用,無(wú)形中造成了巨大浪費(fèi)。因此,若想避免由基本假設(shè)引進(jìn)的誤差,提高結(jié)構(gòu)分析的精度和有效性,則需尋找能夠直接從結(jié)構(gòu)的實(shí)際工作行為/反應(yīng)出發(fā),預(yù)測(cè)新結(jié)構(gòu)工作行為/反應(yīng)的結(jié)構(gòu)分析方法;而試驗(yàn)數(shù)據(jù)的充分利用,則需要發(fā)展行之有效的從現(xiàn)有試驗(yàn)數(shù)據(jù)進(jìn)行知識(shí)挖掘的方法。
　　為了解決上述

3、問(wèn)題,本文在實(shí)驗(yàn)數(shù)據(jù)和人工智能方法的“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境(AIEESA)”的概念基礎(chǔ)上,創(chuàng)建了相應(yīng)的集成分析系統(tǒng)?！敖ㄖY(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”由人工智能技術(shù)(AITs)、數(shù)據(jù)挖掘技術(shù)、試驗(yàn)數(shù)據(jù)、結(jié)構(gòu)構(gòu)造的數(shù)字建模方法、以及一系列匹配結(jié)構(gòu)類(lèi)似性質(zhì)和繪制結(jié)構(gòu)行為/反應(yīng)的匹配準(zhǔn)則共同構(gòu)成。試驗(yàn)數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)挖掘處理,作為適合于AITs運(yùn)算的數(shù)字模式。當(dāng)一個(gè)新/未知結(jié)構(gòu)模型進(jìn)入“建筑結(jié)構(gòu)人工結(jié)構(gòu)智能實(shí)驗(yàn)分析環(huán)境”,該模型的行為或反應(yīng)

4、,如試驗(yàn)表達(dá),能夠基于現(xiàn)有的試驗(yàn)數(shù)據(jù)和現(xiàn)場(chǎng)測(cè)量數(shù)據(jù)繪制出來(lái)。在給出“建筑結(jié)構(gòu)人工結(jié)構(gòu)智能實(shí)驗(yàn)分析環(huán)境”的概念后,本文依次探討了“建筑結(jié)構(gòu)人工結(jié)智能實(shí)驗(yàn)分析環(huán)境”各個(gè)組成部分。
　　首先,提出了“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”數(shù)據(jù)庫(kù)的組織方法:此數(shù)據(jù)庫(kù)有三個(gè)組成部分:(1)結(jié)構(gòu)行為,在本文中具體指橫向荷載作用下砌體墻板的破壞模式與破壞荷載;(2)標(biāo)準(zhǔn)化的結(jié)構(gòu)行為,為了集中反映橫向荷載作用下砌體墻板破壞模式的特征,將構(gòu)造類(lèi)似的墻板破壞

5、模式主要特征進(jìn)行歸納提煉并剔除次生裂紋,得到標(biāo)準(zhǔn)化的墻板破壞模式,稱(chēng)為標(biāo)準(zhǔn)化的結(jié)構(gòu)行為;(3)結(jié)構(gòu)的反應(yīng),本文中結(jié)構(gòu)反應(yīng)指各級(jí)荷載作用下砌體墻板相應(yīng)測(cè)點(diǎn)的位移值。這樣,就構(gòu)成了知識(shí)發(fā)現(xiàn)的原始信息源,而且便于將相應(yīng)的數(shù)據(jù)挖掘技術(shù)引入“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”。
　　其次,本文研究了“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”中的兩個(gè)數(shù)值模式:結(jié)構(gòu)工作行為數(shù)值模式以及結(jié)構(gòu)構(gòu)造狀態(tài)數(shù)值模式。在探討結(jié)構(gòu)破壞模式的數(shù)值描述方法過(guò)程中,引入了廣義墻

6、板的概念,從而豐富了相似度概念的特有內(nèi)涵,并給出了一種定量的比較基礎(chǔ)模型和新模型破壞模式的方法。在探討結(jié)構(gòu)構(gòu)造狀態(tài)數(shù)值模式過(guò)程中,提出了結(jié)構(gòu)構(gòu)造數(shù)值模式的兩種方法:適于四邊簡(jiǎn)支墻板的細(xì)胞自動(dòng)機(jī)模型(CA)和基于有限元分析(FEA)的無(wú)量綱化法。后者以FEA分析所得區(qū)域位移的無(wú)量綱化結(jié)果作為數(shù)值模式,豐富了“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”結(jié)構(gòu)行為建模的物理意義。
　　再者,研究了“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”的兩個(gè)匹配準(zhǔn)則:類(lèi)似區(qū)

7、域匹配準(zhǔn)則和行為匹配準(zhǔn)則。本文重點(diǎn)研究了類(lèi)似區(qū)域匹配準(zhǔn)則。在Zhou提出的匹配準(zhǔn)則基礎(chǔ)上提出了三種加權(quán)的匹配準(zhǔn)則,并對(duì)這三種匹配準(zhǔn)則在“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”中的應(yīng)用效果進(jìn)行比較,找出了結(jié)構(gòu)構(gòu)造條件不同時(shí)相應(yīng)效果最佳的加權(quán)匹配準(zhǔn)則。
　　本文還針對(duì)CA數(shù)值模型中,新模型的整體性質(zhì)變異和局部性質(zhì)及邊界約束變異的建模方法進(jìn)行了探討。整體性質(zhì)的變異可通過(guò)CA模型通過(guò)傳遞系數(shù)取值的變化來(lái)反映。建立SVM模型求得最優(yōu)的傳遞系數(shù)取值范

8、圍,該范圍一旦確定,則新模型的破壞模式即可通過(guò)“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”得到。并進(jìn)一步研究了如何通過(guò)CA模型邊界條件初始值的變化來(lái)反映由于邊界條件和較大區(qū)域范圍內(nèi)的結(jié)構(gòu)性質(zhì)變異。
　　然后,建立起了三種基于墻板破壞模式預(yù)測(cè)其相應(yīng)破壞荷載的神經(jīng)網(wǎng)絡(luò)模型,BP,RBF和RA神經(jīng)網(wǎng)絡(luò)模型,使得“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”具有了預(yù)測(cè)破壞荷載的功能。
　　最后,給出了一系列應(yīng)用“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境”預(yù)測(cè)結(jié)構(gòu)行為的例