基于IPOA的巨型组合框架结构震损快速预测模型研究

• Published in: 防灾减灾工程学报 Vol. 44; no. 2; pp. 263 - 272
• Main Authors: 黄志, 周芙蓉, 陈娟, 蒋丽忠, 周旺保, 戚菁菁
• Format: Journal Article
• Language: Chinese
• Published: 湖南省智慧建造装配式被动房工程技术研究中心,湖南 湘潭 411201%湖南科技大学土木工程学院,湖南 湘潭 411201%湖南科技大学信息与电气工程学院,湖南 湘潭 411201%中南大学土木工程学院,湖南 长沙 410075 01.04.2024; 湖南科技大学土木工程学院,湖南 湘潭 411201
• Subjects: 鹈鹕优化算法; 结构损伤; POA; structural damage; 机器学习; 快速评估; mega structure; rapid assessment; 巨型结构; machine learning
• ISSN: 1672-2132
• DOI: 10.13409/j.cnki.jdpme.20231025001

TU4; 为实现巨型组合框架结构的地震损伤程度快速评估,提出了一种基于改进鹈鹕优化算法(IPOA)的多参数震损预测方法.设计了5个不同参数的巨型组合框架结构模型,利用振动台试验和有限元软件进行非线性时程分析获取结构动态响应数据,并采用结构损伤指数量化评估结构的损伤程度.同时,引入K均值聚类优化策略和惯性权重自适应优化策略改进传统的鹈鹕优化算法.基于振动台试验和有限元分析结果数据,比较了不同输入参数组合预测结构损伤的准确性,构建了能反映结构参数与结构损伤之间非线性关系的智能算法快速预测模型.最后,将模型预测结果与一缩尺比为1/15的振动台试验模型结构损伤程度进行对比验证.结果表明:(1)改进鹈鹕优化算法模型的准确性和泛化能力均优于其他算法模型;(2)最大层间位移角与结构损伤相关性最高,增加影响结构损伤的输入参数可提高预测模型的准确度和泛化能力;(3)模型预测的结构损伤指数与试验结果相比误差均小于10%,预测结构损伤等级与试验结果一致,所提出的快速预测模型能高效准确地预测结构的损伤指标,为巨型组合框架结构震后损伤快速评估提供了一种新方法.