一种公路桩板式结构的耗能斜撑设计参数优化方法与流程

本发明涉及抗震设计，特别涉及一种公路桩板式结构的耗能斜撑设计参数优化方法。

背景技术：

1、公路桩板式结构是一种常见的公路桥梁结构类型，它主要由桥墩、预应力混凝土梁或钢梁以及耗能斜撑组成。耗能斜撑的主要作用是防止主梁产生过大的变形和扭曲，以保证桥梁的安全性能。目前，公路桩板式结构的耗能斜撑设计主要通过人工进行机械结构的力学分析预测，并综合工程成本作出满足抗震需求且工程成本较低的公路桩板式结构的耗能斜撑设计。

2、但是，通过人工进行机械结构的力学分析预测，并综合工程成本作出的公路桩板式结构的耗能斜撑设计的抗震效果满足抗震需求的程度依赖于人工经验，且设计效率较低，同时，人工设计的方式对于抗震需求和工程成本之间的平衡的把握度不够。

3、因此，本发明提出一种公路桩板式结构的耗能斜撑设计参数优化方法。

技术实现思路

1、本发明提供一种公路桩板式结构的耗能斜撑设计参数优化方法，以公路桩板式结构的耗能斜撑的设计参数作为输入变量，以公路桩板式结构的耗能斜撑的关键地震响应作为输出参量构建出优化目标函数，并将优化目标函数与机器学习算法结合，设计出公路桩板式结构的耗能斜撑的多个全局最优设计构型，并基于帕累托前沿对多个全局最优设计构型的所有输入参数进行平衡，获得耗能斜撑的最优布置模式和设计参数，相比于人工设计的方式设计效率更高、抗震效果满足抗震需求的程度更高、对抗震需求和工程成本之间的平衡的把握度更高。

2、本发明提供一种公路桩板式结构的耗能斜撑设计参数优化方法，包括：

3、s1：以公路桩板式结构的耗能斜撑的设计参数作为输入变量，以公路桩板式结构的耗能斜撑的关键地震响应作为输出参量，建立公路桩板式结构的耗能斜撑的关键地震响应与设计参数的优化目标函数f；

4、s2：基于选定的输入变量的多组样本值和非线性时程分析生成训练数据集；

5、s3：基于训练数据集和优化目标函数f进行模型训练和验证，获得增强响应模型；

6、s4：以增强响应模型中包含的当前优化目标函数值最小为目标，寻找多个全局最优设计构型；

7、s5：基于帕累托前沿对多个全局最优设计构型的所有输入参数进行平衡，获得耗能斜撑的最优布置模式和设计参数。

8、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，s1：以公路桩板式结构的耗能斜撑的设计参数作为输入变量，以公路桩板式结构的耗能斜撑的关键地震响应作为输出参量，建立公路桩板式结构的耗能斜撑的关键地震响应与设计参数的优化目标函数f，包括：

9、将公路桩板式结构的耗能斜撑的设计参数：截面积a、长度l、厚度d和倾斜角度θ，当作输入变量；

10、将公路桩板式结构的耗能斜撑的关键地震响应：管桩的桩顶最大位移d和桩-板交接处的最大应力s，当作输出参量；

11、基于输入变量和输出参量建立公路桩板式结构的耗能斜撑的关键地震响应与设计参数的优化目标函数f：

12、

13、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，s2：基于选定的输入变量的多组样本值和非线性时程分析生成训练数据集，包括：

14、在公路桩板式结构的耗能斜撑的设计参数受物理约束的取值范围内，选定k组输入变量样本值，其中，k组输入变量样本值包含耗能斜撑的设计参数的受物理约束的取值范围的边界值；

15、建立k组输入变量样本值对应的公路桩板式结构的耗能斜撑的非线性有限元模型；

16、基于非线性时程分析方法，对k组输入变量样本值对应的公路桩板式结构的耗能斜撑的非线性有限元模型进行建模分析，获得k组输入变量样本值的地震响应值；

17、将每组输入变量样本值和对应的地震响应值当作一组样本，将k组样本汇总当作训练数据集。

18、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，s3：基于训练数据集和优化目标函数f进行模型训练和验证，获得增强响应模型，包括：

19、s301：对优化目标函数f进行边界条件约束，获得分析优化模型；

20、s302：基于训练数据集对分析优化模型进行训练和验证，获得增强响应模型。

21、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，s302：基于训练数据集对分析优化模型进行训练和验证，获得增强响应模型，包括：

22、s3021：任选训练数据集中的k-1组样本作为训练集，并将训练数据集中除训练集以外剩余的一组样本当作验证集；

23、s3022：利用训练集对分析优化模型进行训练，获得训练模型；

24、s3023：利用验证集和性能评价标准验证训练模型，获得新的响应模型；

25、s3024：基于当前响应模型，确定出本次迭代过程获得的输入变量的定义空间中n个子空间的局部最优样本；

26、s3025：基于本次迭代过程获得的n个子空间的局部最优样本，对初始响应模型进行再次训练，获得新的响应模型；

27、s3026：基于新的响应模型循环执行步骤增强响应模型s3024至s3025，直至最新获得的响应模型满足第二迭代终止条件时，则将最新获得的响应模型当作增强响应模型；

28、其中，第二迭代终止条件为基于本次迭代过程获得的响应模型确定出的n个子空间的局部最优样本，与基于上一次迭代过程获得的响应模型确定出的n个子空间的局部最优样本都相同。

29、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，s3023：利用验证集和性能评价标准验证训练模型，获得新的响应模型，包括：

30、将验证集中的输入变量样本值输入至训练模型，获得验证集中的输入变量样本值对应的预测输出参量；

31、将验证集中的输入变量样本值对应的地震响应值，当作验证集中的输入变量样本值的真实输出参量；

32、基于验证集中的输入变量样本值的真实输出参量和预测输出参量以及性能评价标准，判断出训练模型是否满足第二迭代终止条件，若是，则将训练模型当作新的响应模型，否则，重新获取新的训练数据集对分析优化模型进行重新训练和验证，直至最新获得的训练模型满足第二迭代终止条件时，则将最新获得的训练模型当作新的响应模型。

33、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，性能评价标准为均方根误差、平均绝对百分比误差、线性相关因子中的一种。

34、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，第二迭代终止条件，包括：

35、基于性能评价标准计算出当前验证集中的输入变量样本值的真实输出参量和预测输出参量之间的误差；

36、当误差在预设范围内时，则判定当前的训练模型满足迭代终止条件；

37、当误差不在预设范围内时，则判定当前的训练模型不满足迭代终止条件。

38、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，基于初始响应模型确定出输入变量的定义空间中n个子空间的局部最优样本，包括：

39、将输入变量的定义空间划分为n个子空间，将每个子空间对应的输入变量的粗网格输入至初始响应模型，获得初始响应模型中包含的当前优化目标函数的最小值，并将获得的当前优化目标函数的最小值和对应的一组输入变量样本值当作对应子空间的局部最优样本。

40、优选的，公路桩板式结构的耗能斜撑设计参数优化方法，s3025：基于本次迭代过程获得的n个子空间的局部最优样本，对初始响应模型进行再次训练，获得新的响应模型，包括：

41、将本次迭代过程获得的n个子空间的局部最优样本中，输入变量样本值与上一次迭代过程采用的训练样本集中包含的输入变量样本值相同的局部最优样本删除后，获得m个新训练样本，并将m个新训练样本和对应的地震响应值作为新的训练样本集；

42、利用新的训练样本集，对初始响应模型进行再次训练，获得增强响应模型。

43、本发明相对于现有技术产生的有益效果为：以公路桩板式结构的耗能斜撑的设计参数作为输入变量，以公路桩板式结构的耗能斜撑的关键地震响应作为输出参量构建出优化目标函数，并将优化目标函数与机器学习算法结合，设计出公路桩板式结构的耗能斜撑的多个全局最优设计构型，并基于帕累托前沿对多个全局最优设计构型的所有输入参数进行平衡，获得耗能斜撑的最优布置模式和设计参数，相比于人工设计的方式设计效率更高、抗震效果满足抗震需求的程度更高、对抗震需求和工程成本之间的平衡的把握度更高。

44、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在本技术文件中所特别指出的结构来实现和获得。

45、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。