水电站泄流诱发厂房结构振动响应预测
水流强烈紊动能够诱发水工建筑物的振动破坏。为尽可能减小失事危险,确保大坝安全运行,寻求某种方法利用较少的实测数据全面掌握水电站的振动状况成为关键。分别将粒子群优化(PSO)算法、遗传算法(GA)和果蝇优化算法(FOA)与径向基(RBF)神经网络相结合,来优化RBF扩展参数。根据某水电站泄洪表孔、排沙孔泄流时的现场实测数据,运用主成分分析法选择对厂房结构振动影响程度较大的足够多且不多余的关键因子构建神经网络,来预测厂房结构在其他未知工况下的振动情况。结果表明:PSO-RBF、GA-RBF 和 FOA-RBF 这3种方法预测效果均良好,适合运用于泄流诱发水电站厂房结构振动响应的预测研究中,其中 FOA-RBF 方法的稳定性及泛化能力最强,可为其他类型电站的振动研究提供参考。
水电站、厂房振动、粒子群优化(PSO)算法、遗传算法(GA)、果蝇优化算法(FOA)、径向基(RBF)神经网络、主成分分析
TV312;TV731(水工结构)
国家创新研究群体科学基金资助项目51321065
2015-04-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
196-202