【博士】建筑結(jié)構(gòu)人工智能實驗分析環(huán)境

內(nèi)容簡介

　　摘要：長期以來,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,并與時俱進地不斷改進,使有限元為代表的結(jié)構(gòu)數(shù)值模擬分析技術(shù)日漸強大。但是,兩個顯而易見的問題一直在挑戰(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,無論是經(jīng)驗公式還是被廣泛應(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、甚至失效。二是長期積累的數(shù)量巨大的現(xiàn)有試驗數(shù)據(jù)僅用于回歸分析或檢測數(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)的寶貴信息沒有被充分發(fā)掘出來并加以利用,無形中造成了巨大浪費。因此,若想避免由基本假設(shè)引進的誤差,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)的實際工作行為/反應(yīng)出發(fā),預(yù)測新結(jié)構(gòu)工作行為/反應(yīng)的結(jié)構(gòu)分析方法;而試驗數(shù)據(jù)的充分利用,則需要發(fā)展行之有效的從現(xiàn)有試驗數(shù)據(jù)進行知識挖掘的方法。　　(1)為了解決上述問題,本文在實驗數(shù)據(jù)和人工智能方法的“建筑結(jié)構(gòu)人工智能實驗分析環(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)。“建筑結(jié)構(gòu)人工智能實驗分析環(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。試驗數(shù)據(jù)經(jīng)過數(shù)據(jù)挖掘處理,作為適合于 AITs運算的數(shù)字模式。當(dāng)一個新/未知結(jié)構(gòu)模型進入“建筑結(jié)構(gòu)人工結(jié)構(gòu)智能實驗分析環(huán)境”,該模型的行為或反應(yīng),如試驗表達(dá),能夠基于現(xiàn)有的試驗數(shù)據(jù)和現(xiàn)場測量數(shù)據(jù)繪制出來。在給出“建筑結(jié)構(gòu)人工結(jié)構(gòu)智能實驗分析環(huán)境”的概念后,本文依次探討了“建筑結(jié)構(gòu)人工結(jié)智能實驗分析環(huán)境”各個組成部分。　　首先,提出了“建筑結(jié)構(gòu)人工智能實驗分析環(huán)境”數(shù)據(jù)庫的組織方法:此數(shù)據(jù)庫有三個組成部分:(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)造類似的墻板破壞模式主要特征進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)指各級荷載作用下砌體墻板相應(yīng)測點的位移值。這樣,就構(gòu)成了知識發(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)人工智能實驗分析環(huán)境”?！　∑浯?本文研究了“建筑結(jié)構(gòu)人工智能實驗分析環(huán)境”中的兩個數(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)值描述方法過程中,引入了廣義墻板的概念,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:適于四邊簡支墻板的細(xì)胞自動機模型(CA)和基于有限元分析(FEA)的無量綱化法。后者以FEA分析所得區(qū)域位移的無量綱化結(jié)果作為數(shù)值模式,豐富了“建筑結(jié)構(gòu)人工智能實驗分析環(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)人工智能實驗分析環(huán)境”的兩個匹配準(zhǔn)則:類似區(qū)域匹配準(zhǔn)則和行為匹配準(zhǔn)則。本文重點研究了類似區(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,并對這三種匹配準(zhǔn)則在“建筑結(jié)構(gòu)人工智能實驗分析環(huán)境”中的應(yīng)用效果進行比較,找出了結(jié)構(gòu)構(gòu)造條件不同時相應(yīng)效果最佳的加權(quán)匹配準(zhǔn)則?！　”疚倪€針對 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行了探討。整體性質(zhì)的變異可通過 CA 模型通過傳遞系數(shù)取值的變化來反映。建立 SVM 模型求得最優(yōu)的傳遞系數(shù)取值范圍,該范圍一旦確定,則新模型的破壞模式即可通過“建筑結(jié)構(gòu)人工智能實驗分析環(huán)境”得到。并進一步研究了如何通過 CA 模型邊界條件初始值的變化來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?！　∪缓?建立起了三種基于墻板破壞模式預(yù)測其相應(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)人工智能實驗分析環(huán)境”具有了預(yù)測破壞荷載的功能。　　最后,給出了一系列應(yīng)用“建筑結(jié)構(gòu)人工智能實驗分析環(huán)境”預(yù)測結(jié)構(gòu)行為的例子,并與相應(yīng)試驗數(shù)據(jù)進行了對比,驗證了所建立起的“建筑結(jié)構(gòu)人工智能實驗分析環(huán)境”的有效性。　　綜上,本文建立的結(jié)構(gòu)分析系統(tǒng)實現(xiàn)了直接從結(jié)構(gòu)的實際工作行為/反應(yīng)出發(fā),預(yù)測新結(jié)構(gòu)工作行為/反應(yīng);并且能夠?qū)崿F(xiàn)從現(xiàn)有試驗數(shù)據(jù)挖掘出所蘊含的豐富知識,從而克服了傳統(tǒng)結(jié)構(gòu)分析技術(shù)的固有缺陷,初步建立起將挖掘出的知識用于新結(jié)構(gòu)行為/反應(yīng)的預(yù)測的“建筑結(jié)構(gòu)人工智能實驗分析環(huán)境”,為科研人員和結(jié)構(gòu)設(shè)計人員提供了有力的結(jié)構(gòu)分析工具?！　?

專題推薦