基于神经网络的岩土工程结构随机有限元分析

针对有限元蒙特卡罗法计算量大的弊端和岩土工程结构功能函数不能用显式表达的可靠性分析问题，提出并论证了基于神经网络的随机有限元（有限元蒙特卡罗）分析法。神经网络具有高度非线性的映射能力，可用来逼近结构响应量与随机变量的映射关系。通过典型岩土工程结构的应用实例分析，初步显示了基于神经网络的有限元蒙特卡罗法的应用效果和前景。     

基于神经网络-蒙特卡罗法的隧道初衬可靠度研究

对于功能函数是隐函数的可靠性分析问题,传统的有限元蒙特卡罗法计算量极大。为了克服此缺点,提出了径向基神经网络-有限元蒙特卡罗法(RBF-MCS)。通过样本训练,创建了径向基神经网络模型。利用ANSYS软件中的可靠度分析模块,分析了基本随机变量对隧道初衬轴力的灵敏度大小的顺序。通过此方法和传统的有限元蒙特卡罗法分别计算了大瑶山隧道初衬的轴力和可靠度,并进行了对比分析。基于径向基神经网络-有限元蒙特卡罗法(RBF-MCS)的计算结果与施工实际吻合较好,通过现场观察也没有发现喷层混凝土压裂破坏,可见计算结果是符合实际的。径向基神经网络-有限元蒙特卡罗法比传统有限元蒙特卡罗法更加适合复杂结构的计算,具有更高的效率、精度和适用性。     

一种新的蒙特卡罗随机有限元方法

针对岩土工程可靠性分析的功能函数是隐式函数或高次非线性函数的特点,提出并从理论上论证隐式功能函数和高次非线性功能函数可靠性问题的新解法,即基于径向基网络的蒙特卡罗随机有限元方法;给出计算框图和计算步骤.以钢筋混凝土浅基础和某矿山矿柱为例,说明其在岩土与采矿工程中的应用.研究结果表明,采用蒙特卡罗随机有限元方法可直接使用确定性有限元分析程序而无需任何改动,对于极限状态函数不能用显式表达和高次非线性的可靠性问题都适用.     

基于神经网络与有限元法相结合的初始地应力场反演分析

目前,对于初始地应力场的测试主要采用现场直接量测法,而采用神经网络与有限元法相结合的反演分析法越来越成为了一种有效途径.结合广东第五抽水蓄能电站工程实例,利用神经网络与有限元分析相结合的方法,以及BP神经网络结构和ADINA三维有限元模型建立岩体参数、边界条件与地应力场的映射关系来反演初始地应力场.模拟计算与实测结果的对比表明:采用该方法进行初始地应力场的反演计算是可行的,计算结果是合理的,对类似工程具有一定参考价值.     

岩土工程材料的数字图像有限元解析

随着科学技术的不断发展与进步，越来越多的高新技术和先进的理论被应用到岩土工程建设当中去，提出了一个全新的理论研究课题——岩土工程材料的数字图像有限元解析，从而实现提高岩土工程材料的利用率的目的，提高经济效益，扩大生产力。本文首先介绍了数字图像的概念与岩土工程的发展，然后分析了岩土工程建设中所使用的工程材料类型。探讨了数字图像在岩土工程材料中的应用，对岩土工程材料结构进行了分析，最后阐述了有限元网格的形成。     

基于BIM技术的岩土工程信息模型数值计算功能实现方法

当前岩土工程信息模型更多地应用于可视化展示,一直没能深入到岩土工程的实际应用当中,很难直接进行岩土工程专业分析。究其主要原因,是缺乏将岩土BIM模型转换成计算模型的渠道。通过数据转换,研究岩土工程模型计算功能实现方法,建立BIM模型与计算模型间的映射关系,来解决这一难题。考虑岩土BIM模型和有限元模型的特点,根据等效刚度法,研究计算驱动的岩土工程BIM模型的概化方法。针对岩土BIM模型的数值计算功能需求,聚焦计算网格剖分环节,基于开源TetGen程序,对BIM模型进行四面体剖分,发展面向数值计算的BIM模型网格剖分技术。进一步,建立四面体网格模型与计算模型的信息一一映射关系,实现BIM软件与岩土工程通用数值分析软件之间的数据转换和信息交换,打通了复杂岩土BIM模型向计算模型转换的关键环节。最后,通过两个工程实例验证所提出的岩土BIM模型计算功能实现方法的可行性与有效性。     

应用神经网络-蒙特卡罗法的可靠性分析方法

为了提高内燃机设计的可靠度，提出了应用神经网络－蒙特卡罗法求解发动机零部件可靠度的新方法，该方法利用神经网络根据有限元分析样本逼近应力函数，结合应力－强度干涉模型，采用蒙特卡罗随机模拟求取可靠度。将计算结果与常用的一次二阶矩法，设计验算点法相比较，表明该方法是可行的，而且适用面更广，可适用于多参数且服从于任何分布的问题。     

基于可靠度敏感性的神经网络法研究边坡稳定性

针对边坡工程结构功能函数不能显式表达的可靠性分析问题和非线性问题计算量大的弊端．研究结构可靠度敏感性,提出参数的相对敏感性分析方法,并基于该方法提出了神经网络法分析边坡稳定性。具体思路：由可靠指标对随机变量分布参数的相对敏感性分析,确定边坡可靠度主要影响参数;用神经网络模型近似替代响应量与基本变量间的隐式极限状态函数,根据蒙特卡罗模拟法,对网络模型进行可靠度分析,求解结构可靠度指标。基于可靠度敏感性的神经网络法．对均值和成层边坡进行稳定性分析,与传统可靠度计算方法相比．结果表明：该方法分析边坡稳定性是准确的且具有较高的计算效率。     

岩土工程中应用神经网络的思路研究

本文基于笔者多年从事岩土工程相关工作的经验,以岩土工程中神经网络应用为研究对象,在参考大量相关文献的基础上,分析探讨了神经网络方法在岩土工程中应用的渊源,神经网络的基本特征和神经网络在岩土工程中的应用和建模方法,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义。     

基于克隆选择算法的基坑工程位移反分析

鉴于在基坑工程中传统位移反分析方法存在的计算量较大,不易掌握以及求得岩土介质力学性能参数精度较低的不足,提出基于克隆选择算法的位移反分析方法.该方法的核心在于采用BP网络为正演工具代替有限元方法,描述岩土介质力学性能参数和位移的非线性映射,以减少计算量;利用克隆选择算法为反演工具,优化岩土介质力学性能参数,以提高计算精度;依据高精度的岩土介质力学性能参数又可以估算出高精度的位移.仿真试验表明了该方法的可行性和有效性.     

基于有限元线法的位移反分析

将有限元线法同岩土工程反分析理论相结合,提出了一种基于有限元线法的反演分析方法,为有限元线法的应用提供了一个新思路,并通过算例表明该方法是可行的。     

基于神经网络的电热式微致动器随机有限元分析

提出了基于神经网络的随机有限元分析方法,首先利用有限元法对U型电热式微致动器进行理论分析,得出具体结构尺寸对微致动器最大位移的影响,然后通过建立的神经网络来拟合响应与输入之间的关系,根据蒙特卡罗模拟原理获得足够多的样本值对训练后的网络进行误差分析,结果证明,本文提出的分析方法是可行有效的.     

共因失效数据分析方法

提出一种基于神经网络技术的数据映射方法,训练样本通过蒙特卡罗方法获得·该方法能将已知的一般工业实验数据转换成特定工厂应用的数据,实现了不同阶次冗余系统失效数据之间的映射,弥补了共因失效数据的不足,降低了共因失效分析中的不确定性,为系统可靠性分析提供可靠的数据来源·通过实例分析与对比,验证了神经网络是一种解决非线性问题的好方法,同时也说明应用神经网络技术进行共因失效数据分析的可行性·     

采用神经网络材料本构模型的智能有限元及其算法

讨论了基于神经网络材料本构模型的智能有限元的计算方法及其存在的几个问题,编制了相应的智能有限元计算程序,并结合实例验证了该方法的有效性,为解决复杂岩土工程问题提供了新的思路和方法.     

基于ANSYS的钢框架结构可靠性数值模拟

介绍了蒙特卡罗法和响应面法两种数值分析方法各自的特点,再以有限元程序ANSYS为计算平台,利用ANSYS所提供的APDL(参数化设计)模块进行可靠性计算与分析.分别运用蒙特卡罗法、响应面法对一多层钢框架结构进行了结构整体可靠性的计算与对比分析,从计算结果可得基于响应面的蒙特卡罗法的计算精度和计算效率都要优于传统的蒙特卡罗法.     

基于有限元-BP神经网络的地下连续墙变形预测

基于目前在基坑支护结构中应用广泛的变形预测方法,有限元法和BP神经网络,结合基坑工程特点,提出将有限元模型与BP神经网络相结合的基坑变形预测方法.以某实际建筑基坑为研究对象,利用有限元软件进行近似建模,使用MATLAB软件实现有限元模型与BP神经网络模型相结合的预测模型,对基坑地下连续墙水平位移值进行预测对比.结果表明,有限元-BP神经网络预测模型预测值与实测值最为吻合,预测精度优于单一的有限元或BP神经网络预测模型.     

基于随机响应面法的结构可靠度研究

基于Karhunen-Loève正交级数对随机场进行离散,并利用Hermite混沌多项式将结构位移响应量表示成为随机场离散变量的函数,研究建立了结构抽样模拟分析的随机响应面法,进而建立了与结构失效准则相对应的极限状态函数,结合几何法提出了结构可靠度分析的随机响应面法计算格式.分析了二阶、三阶随机响应面的特性,并同可靠度分析的蒙特卡罗法进行了比较,结果表明本文方法具有更好的计算精度和计算效率.     

基于响应面法和麻雀搜索算法的结构有限元模型修正

为了获取准确可靠的结构有限元模型,提供结构运营期间健康监测和状态再分析的基准参照,提出了一种基于响应面法(response surface method,RSM)和麻雀搜索算法(sparrow search algorithm,SSA)的结构有限元模型修正方法.首先,基于响应面法,采用拉丁超立方设计方法进行试验设计获取样本点,以简单低阶数学模型代替特征量与参数间复杂的映射关系,构造结构宏观响应与各参数的解析表达式,基于逐步回归分析进行基函数显著性检验,运用方差理论检验模型精度获取最优响应面模型,并联合结构动力响应残差和构造目标函数;其次,基于麻雀搜索算法,对目标函数进行优化求解得到各参数最优解,代入初始有限元模型中,实现对初始有限元模型的修正;最后,基于RSM-SSA有限元模型修正方法对高维局部损伤悬臂梁数值模型实施修正,验证所提方法的可靠性和可行性,并与基于其他新兴群智能优化算法的有限元模型修正结果进行对比.结果 表明:采用该方法修正的参数和频率误差均值分别为6.549％、0.279％,修正效率和精度较其他算法有显著提升,修正后的有限元模型具有较高的精度,可真实反映结构实际力学行为.该方法为结构有限元模型修正提供一种新思路.     

基于F-R-M方法的桥梁地震风险评估研究

为解决现有有限元分析方法对求解地震作用下桥梁的失效概率计算量大、耗时长的问题,建立了一种神经网络仿真与概率有限元相结合的桥梁地震风险评估方法(F-R-M法)。首先通过多条地震波对桥梁进行时程分析,并得到相应的桥梁结构的地震响应;然后建立RBF神经网络,并将量化后的地震波能量、场地类别、峰值个数、结构弯矩作为输入参数,对神经网络进行训练和检验,训练成功后可采用Monte Carlo方法生成大量随机数,通过神经网络仿真得到桥梁结构随机地震响应数据,并计算出结构的失效概率;最后以某三跨连续刚构桥为例,采用有限元软件建立了全桥纤维单元模型,选取了24条地震波对其进行了动力增量(IDA)分析,并采用F-R-M法对该桥的地震风险概率进行了评估。实例分析表明,F-R-M法计算效率高、计算误差小,神经网络RBF将地震响应和地震输入之间的非线性映射关系很好地仿真模拟,研究结果可为桥梁抗震设计和地震风险评估提供参考。     

加权最小二乘无网格法的随机稳态温度场分析

对加权最小二乘无网格法在随机稳态温度场中的应用进行了研究.在移动最小二乘近似的基础上,采用罚函数法满足边界条件,通过变分原理详细推导了求解稳态温度场问题的加权最小二乘无网格公式,与无网格伽辽金法相比,该方法无须进行高斯积分,具有计算量小、处理方便等优点.同时考虑结构物理参数和边界条件随机性的影响,利用Neumann展开蒙特卡罗法对含有随机参数温度场的加权最小二乘无网格方程进行求解,得到了温度场响应量的统计特征值并考察了各随机参数对节点温度的影响.通过数值算例分析结果与有限元方法所得结果进行比较,验证了本方法的正确性和有效性.