神经网络预测模型在高速铁路地震响应中的性能对比.pdf
《神经网络预测模型在高速铁路地震响应中的性能对比.pdf》由会员分享,可在线阅读,更多相关《神经网络预测模型在高速铁路地震响应中的性能对比.pdf(11页珍藏版)》请在咨信网上搜索。
1、第 卷 第期湘潭大学学报(自然科学版)V o l N o 年月J o u r n a l o fX i a n g t a nU n i v e r s i t y(N a t u r a l S c i e n c eE d i t i o n)A u g D O I:/j i s s n X 引用格式:张学兵,吴晗,谢啸楠,等神经网络预测模型在高速铁路地震响应中的性能对比J湘潭大学学报(自然科学版),():C i t a t i o n:Z HANGX u e b i n g,WU H a n,X I EX i a o n a n,e t a l P e r f o r m a n c e
2、 c o m p a r i s o no fn e u r a l n e t w o r kp r e d i c t i o nm o d e l s i nh i g h s p e e dr a i l w a ye a r t h q u a k er e s p o n s eJ J o u r n a l o fX i a n g t a nU n i v e r s i t y(N a t u r a lS c i e n c eE d i t i o n),():神经网络预测模型在高速铁路地震响应中的性能对比张学兵,吴晗,谢啸楠,王礼(湘潭大学 土木工程学院,湖南 湘潭 )
3、摘要:为明确何种深度学习模型适用于高速铁路地震响应预测分析,该文利用振动台技术建立高速铁路无砟轨道型板缩尺模型,使用准分布式光纤光栅采集地震时缩尺桥梁响应,建立种评估指标从预测精度和稳定性等方面深入研究,对比多层前馈网络(m u l t i l a y e r f e e d f o r w a r dn e t w o r k,B P)、长短期记忆神经网络(l o n gs h o r t t e r m m e m o r yn e u r a l n e t w o r k,L S TM)和循环神经网络(r e c u r r e n tn e u r a l n e t w o r k
4、,R NN)在地震响应中的效果实验结果说明L S TM网络比B P、R NN网络模型具有更高的预测精度,且在不同应变范围中表现稳定 LM S T模型预测结果的平均误差最小,均方根误差、平均绝对误差、决定系数分别达到了 、,可以获得最佳预测精度关键词:地震响应预测;振动台试验;准分布式光纤光栅;长短期记忆网络混合模型中图分类号:U ;T P 文献标志码:A文章编号:X()P e r f o r m a n c e c o m p a r i s o no fn e u r a l n e t w o r kp r e d i c t i o nm o d e l s i nh i g h s p
5、 e e dr a i l w a ye a r t h q u a k e r e s p o n s eZHANGX u e b i n g,WU H a n,X I EX i a o n a n,WANGL i(C o l l e g eo fC i v i lE n g i n e e r i n g,X i a n g t a nU n i v e r s i t y,X i a n g t a n ,C h i n a)A b s t r a c t:T h es t a b i l i t ya n ds e n s i t i v i t yo fn e u r a l n e
6、 t w o r km o d e l s t ov a r y i n gd a t aa m o u n t sa r ec r u c i a l f a c t o r sf o rp e r f o r m a n c ee v a l u a t i o n T od e t e r m i n et h em o s ta p p r o p r i a t em o d e lf o rp r e d i c t i n gs e i s m i cr e s p o n s e si nh i g h s p e e dr a i l w a y s,t h i s s t
7、u d ye m p l o y e ds h a k i n g t a b l e t e c h n o l o g y t oc r e a t e a s c a l e d d o w nm o d e l o fb a l l a s t l e s s t r a c kt y p e I Is l a b sa n du t i l i z e dq u a s i d i s t r i b u t e df i b e r o p t i cg r a t i n g st og a t h e rb r i d g er e s p o n s e sd u r i n
8、 ge a r t h q u a k e s T h r e ee v a l u a t i o nc r i t e r i aw e r ee s t a b l i s h e dt oa n a l y z et h ea c c u r a c ya n ds t a b i l i t yo fm u l t i l a y e rf e e d f o r w a r dn e t w o r k(B P),l o n gs h o r t t e r m m e m o r yn e u r a ln e t w o r k(L S TM),a n dr e c u r r
9、 e n tn e u r a ln e t w o r k(R NN)i np r e d i c t i n ge a r t h q u a k er e s p o n s e s E x p e r i m e n t a l r e s u l t s i n d i c a t e dt h a t t h eL S TM m o d e l e x h i b i t e dh i g h e rp r e d i c t i o na c c u r a c ya n ds u p e r i o r s t a b i l i t y i nd i f f e r e n
10、t s t r a i nr a n g e sc o m p a r e dt oB Pa n dR NNm o d e l s T h eL S TM m o d e l h a d t h e s m a l l e s tm e a ne r r o r i np r e d i c t i o n,w i t hr o o tm e a ns q u a r e e r r o r,m e a na b 收稿日期:基金项目:湖南省教育厅重点项目(K );高铁联合基金项目(U )通信作者:张学兵(),男,湖南长沙人,博士,副教授,E m a i l:z h a n g x b c o
11、ms o l u t ee r r o r,a n dc o e f f i c i e n t o f d e t e r m i n a t i o na t ,a n d ,r e s p e c t i v e l y,d e m o n s t r a t i n gt h eb e s tp r e d i c t i o na c c u r a c y K e yw o r d s:s e i s m i cr e s p o n s ep r e d i c t i o n;s h a k i n gt a b l et e s t;q u a s i d i s t r i
12、 b u t e df i b e rB r a g gg r a t i n g;h y b r i dm o d e l o f l o n gs h o r t t e r m m e m o r yn e t w o r k引言近十几年来,我国高速铁路建设飞速发展,但高速铁路轨道病害发生也越来越频繁因此,许多学者引用多种方法实现对轨道结构健康监测,如传统应变片监测、声波雷达监测和光纤传感监测例如,冯绍敏等研制出一种远程监控系统,对采集的轨道结构应力应变等数据进行分析,评判轨道结构的健康状况王智超等将光纤光栅监测传感系统应用在无砟轨道板监测中,通过光栅点应变与轨道板位移之间的线性关系推断
13、轨道板是否发生上拱病害蔡小培等基于B/S结构建立一种高速铁路轨道监测管理系统,实时收集并分析轨道结构数据,实现对病害的预警预测 J i a n g等使用冲击回波法识别无砟轨道型板黏结界面的质量状态与此同时,机器学习在各领域得到广泛运用例如,张建军利用深度学习优化了水电站工作票存取管理系统,提升了工作票存取率和存取收敛速度罗国荣利用神经网络改进了无人汽车的识别模型,提升了模型识别道路车辆的精度刘建华等构造一种神经网络滑膜控制器,将其接入外骨骼机器人中,优化机器人液压伺服系统为在高速铁路轨道结构健康监测领域引入高精度的新型监测方法,学者们进行了大量相关研究工作而地震动作为一个非平稳随机过程,包含了
14、许多随机因素,引起结构的响应呈现非线性变化因此,为确定结构在地震作用下的性能,需使用非线性时程方法分析结构的地震响应人工神经网络由于在非线性函数建模方面的优越能力,在预测结构地震响应领域得到了广泛应用例如,J e n g等建立多层神经网络,实现了混凝土简支梁桥结构的响应预测,探究模型精度如何受到网络层数和隐藏层节点数目等超参数的影响王克海等 论述了土木领域中机器学习的应用现状,探究如何将机器学习应用在桥梁抗震设计中随着对人工神经网络的深入研究,学者们分别开发了一维卷积神经网络(o n e d i m e n s i o n a lc o n v o l u t i o n a ln e u r
15、 a ln e t w o r k,D C NN)与长短期记忆神经网络(l o n gs h o r t t e r m m e m o r yn e u r a ln e t w o r k,L S TM)来预测地面结构地震反应的时间序列Wu等 在单自由度与多自由度结构中引入卷积神经网络(c o n v o l u t i o n a ln e u r a ln e t w o r k,C NN)模型,实现结构动力响应预测,将预测值与真实值进行对比分析,研究模型与实际误差分布、频谱差异然而,由于C NN模型主要提取识别时间序列的局部特征,因此无法有效捕捉相邻时刻的相关关系相比而言,循环神经网
16、络(r e c u r r e n tn e u r a ln e t w o r k,R NN)及L S TM等变体网络能更好实现序列预测,在非线性动力系统的响应预测方面得到有效应用 P e r e z R a m i r e z等 将非线性回归模型与R NN模型相结合,实现神经网络对大型结构地震响应预测功能的应用 Z h a n g等 建立了一种双层长短时记忆网络,准确预测非线性结构地震响应随后,Z h a n g等 为提高非线性地震响应的预测精度,在多层L S TM网络的损失函数中嵌入物理信息许泽坤 等基于L S TM网络提出预测地震响应方法,同时为实现响应的递推计算,在计算中引入滑动时
17、间窗,并用实际地震响应验证该方法的有效性为了对比不同神经网络预测模型在高速铁路地震响应中的性能,本文在缩尺比为 的桥梁模型上安装光纤光栅应变传感器,通过与之相匹配的解调仪采集桥梁结构在振动台振动下湘潭大学学报(自然科学版)年的应变同时,设计种常用的深度学习模型(多层前馈网络(m u l t i l a y e rf e e d f o r w a r dn e t w o r k,B P)、R NN、L S TM)来预测地震响应通过建立种评价指标研究各个模型的性能数据采集及处理本研究通过在振动台系统上搭建缩尺简支梁桥,同时在缩尺桥梁跨中段的底座板上布设准分布式光纤光栅,用以监测多位置的应变响应
18、光栅解调仪在振动台振动过程中采集的数据一共有 个,将前面 个数据作为训练集,到 的数据作为数据的验证集 地震台实验装置本文以C R T S I I板式无砟轨道系统的多跨简支梁为研究对象,以 的相似比建立桥梁的缩尺模型,构建基于列震动台的桥上运行试验平台试验选取的地震波激励类型为正弦波,横向振动频率 H z,竖向振动频率 H z,加速度分别为 g,g缩尺桥梁的相似系数如表所示整个测试系统由振动台系统、列车加速器、列车减速器和过渡装置组成,如图所示测试系统中的缩尺车桥模型和轨道结构分别如图和图所示振动台系统由个mm的振动台组成,每个振动台可承受 k g的最大载荷,并提供 g的最大水平加速度、g的最
19、大垂直加速度、k gm的最大倾覆力矩和 k gm的最大偏心运动这些振动台的工作频率在 H z至 H z之间第一个振动台是固定的,其他个是可移动的每个振动台有个自由度(纵向、横向、垂直、侧倾、偏航和俯仰)实验室采用多阵列数字控制系统,可实现不同振动台地震信号的同步输出振动台的控制类型为位移控制,其最大工作区域长度为 m,适用于桥梁结构的抗震试验表缩尺模型相似系数 T a b S i m i l a r i t yc o e f f i c i e n t o f s c a l em o d e l物理量符号缩放公式相似系数加速度SASASA长度SLSLSL 压力SSS 弹性模量SESES 压力
20、SFSFSSL 刚度SSSSSSL 时间STST(SlSa)速度SVSL Sa 图振动台系统及轨道模型图车桥模型图F i g S h a k i n g t a b l e s y s t e ma n dt r a c km o d e l F i g T r a i na n db r i d g em o d e l第期张学兵,等神经网络预测模型在高速铁路地震响应中的性能对比铁轨CA砂浆层扣件底座板轨道板(a)(b)图轨道结构图:(a)钢轨、C A砂浆层、扣件;(b)轨道板、底座板F i g T r a c ks t r u c t u r ed i a g r a m:(a)R a i
21、 l,C Am o r t a r l a y e r,f a s t e n e r;(b)T r a c kp l a t e,b a s ep l a t e 准分布式光纤光栅传感器原理及制作光纤光栅传感器虽属于单点传感器,但是通过使用波分复用技术,可用光纤将多个光纤光栅传感器进行串联,从而实现准分布式监测 通过在一条裸露的光纤上刻制多个波长不同的光栅串,从而封装成一条光纤光栅传感器的产品被称为准分布式光纤光栅传感器光纤传感器由光源、出入射光纤、光调制器、探测器以及解调仪器组成 准分布式光纤光栅传感器工作原理如图所示,首先由宽带光源接入已经与准分布式光纤光栅连接好的耦合器中,耦合器反过来
22、接收到光栅的波长变化,将此变化反映到波长检测中,解调仪保留波长变化从而进行数据处理、分析与输出 解调仪信号分析和输出光源耦合器CH1CH2CH3CH4图准分布式光纤光栅传感器工作原理F i g W o r k i n gp r i n c i p l eo fq u a s i d i s t r i b u t e df i b e rB r a g gg r a t i n gs e n s o r本次试验使用准分布式光纤光栅传感器,因在光纤中刻制光栅比较复杂,所以在测量缩尺桥梁跨中区域长度所需测点数目后通过在北京通为科技有限公司购买成品裸光纤光栅同时解调仪器采用该公司产品S M ,如图所
23、示刻制的光栅只需保证每根光纤中的光栅波长不同即可光栅点放大图如图所示解调仪解调采集界面(a)(b)图数据采集装置:(a)解调仪;(b)解调采集系统F i g D a t aa c q u i s i t i o nd e v i c e:(a)D e m o d u l a t i o n i n s t r u m e n t;(b)D e m o d u l a t i o na c q u i s i t i o ns y s t e m湘潭大学学报(自然科学版)年图光栅点放大图F i g E n l a r g e dv i e wo f g r a t i n gp o i n t
24、s神经网络模型简介及对比 B P神经网络B P神经网络为误差反向传播神经网络,含有隐藏层的前馈网络若网络的输入节点数为M、输出节点数为L,则该神经网络为一个M维欧式空间到L维欧式空间的映射,其采用误差逆传算法 B P神经网络由输入层、输出层和隐藏层组成,层间神经元连接方式为全互连,通过相应的网络权系数w相互联系,每层内的神经元之间不连接,如图所示输入层隐藏层输出层x1x2xmy1y2ym图B P神经网络工作原理F i g W o r k i n gp r i n c i p l eo fB Pn e u r a l n e t w o r kB P神经网络模型构建如下:设训练样本个数为n,每个
25、训练样本有指标数为m,初始信息矩阵为Xxi j()nm,()式中:i,n;j,m;xi j为第i个训练样本的第j个指标的数值步骤评价指标的无量纲化对各指标进行无量纲化处理xi jxi jm i nxi jnim a xxi jnim i nxi jni,()式中:i,n;j,m;利用式()可得无量纲化矩阵Xxi j()nm步骤确定输出层及隐藏层第期张学兵,等神经网络预测模型在高速铁路地震响应中的性能对比输出层计算为:Nfkjziyj(),()隐藏层计算为:yjfmjvi jxi(),()式中:i,n;j,k;选用单极性s i g m o i d函数f x()ex作为激活函数步骤网络训练数据一共
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 神经网络 预测 模型 高速铁路 地震 响应 中的 性能 对比
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。