节点文献
基于监测数据驱动的输电塔结构抗风易损性研究
【机构】 大连理工大学海岸与近海工程国家重点实验室；
【摘要】 为了有效预测输电塔在强风作用下的响应,开展高效精准的性能评估,本文提出了基于深度学习模型的风致易损性评估框架。以某配备健康监测系统的输电塔为例,首先对多源监测数据进行预处理,根据常见的数据异常现象,依次进行离散型缺失数据线性填充、基于深度学习的连续型缺失数据回归填充、离群数据的检测替换处理。根据不同类型的监测数据分析要求,选用不同方法(滤波器、小波阈值去噪、平滑去噪方法)对监测数据进行必要的去噪处理。通过深层神经网络建立结构荷载输入和响应输出的等效映射模型,通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应。通过结构不确定性分析,进行输电塔概率能力分析,确定结构的极限状态,最终计算结构不同性能水准的易损性曲线,实现输电塔在强风灾害下的概率易损性分析。研究结果表明,集成多种方法的监测数据预处理流程能够有效降低噪声对监测数据的影响。经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素,有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据,更高效的进行输电网系统风致易损性评估。
【基金】 国家自然科学基金(52078104);高层次人才创新支持计划(2019RD01,2020RQ056);中央高校基本科研业务费(DUT21JC07)
- 【会议录名称】 第九届全国结构抗振控制与健康监测学术会议摘要集
- 【会议名称】第九届全国结构抗振控制与健康监测学术会议
- 【会议时间】2023-05-12
- 【会议地点】中国湖南长沙
- 【分类号】TM75;TU312.3
- 【主办单位】中国振动工程学会结构抗振控制与健康监测专业委员会