基于神经网络的输电塔钢管构件涡激振动幅值预测方法

摘要：

输电塔中长细比较大的钢管构件容易发生低风速下的涡激振动,鉴于传统风洞试验和数值模拟研究方法存在的成本高、周期长的局限,该文提出了一种基于神经网络的输电塔钢管构件涡激振动幅值高效预测方法.为获取训练模型所需的数据集,发展了适用于任意插板形式、几何尺寸的钢管构件涡激振动响应分析方法;结合多种神经网络模型(BPNN、PSO-BPNN、RBFNN、GRNN)以及性能评价指标,建立了基于神经网络的输电塔钢管构件涡激振动幅值预测方法;通过算例对某C型插板和十字型插板钢管构件涡激振动幅值进行了预测.研究表明:通过与试验结果的对比,验证了该文输电塔钢管构件涡激振动响应分析方法的准确性,对于C型和十字型插板钢管构件VIV幅值的相对误差分别为3.84％和5.87％,利用该方法可为神经网络模型提供可靠样本;通过7折10次交叉验证优化超参数后的4种神经网络模型,均表现出较好的预测精度;相比之下,GRNN在C型插板和十字型插板钢管构件算例中均呈现出最佳的泛化能力,其R2值分别为0.989和0.992;采用GRNN方法可以较好地预测C型和十字型插板钢管构件在不同质量阻尼比参数下的VIV幅值,且在计算效率上相比于CFD方法具有明显的优势.

关键词：输电塔、涡激振动、钢管构件、神经网络、幅值预测

所属期刊栏目：41

分类号：TM75(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：64-75