结构风工程
1
基于深度学习的钝体断面外形气动性能高效预测方法
对于气动性能，钝体断面的气动外形非常重要，采用传统风洞试验及CFD模拟计算得到钝体断面气动性能需消耗大量时间，大大影响钝体断面气动外形的气动性能评估效率。通过卷积神经网络深度学习技术实现对气动性能的快速预测，深度学习模型训练完成后，输入形状信息和与形状相关的流场信息，即可输出不同几何形状下的阻力系数，进而得到钝体断面的气动性能。为寻找性能最优的深度学习模型，通过综合判定误差和参数量大小对卷积神经网络结构的深度和宽度进行优化。对深度学习模型输出阻力系数与CFD计算结果进行对比发现，误差符合预期要求，并且相较于传统方法,基于深度学习网络的预测所需时间达到数量级的提升，未来可作为钝体断面气动外形优化的关键方法。
桥梁静风力;钝体断面;气动性能;深度学习;卷积神经网络
2
高耸烟囱风致响应精细化计算方法
高耸烟囱的风致响应可分为顺风向响应和横风向响应，其中顺风向响应以大气脉动风引起的抖振响应为主，横风向响应以Karman旋涡脱落引起的涡激振动为主，准确地预测和评估这两种风致响应对其抗风设计和结构安全性至关重要。在Tamura提出的二维平面尾流振子模型的基础上进一步推导，将该模型成功运用在三维结构上，提出可用于实际工程结构的有限元迭代计算方法，为高耸烟囱类结构横风向涡振响应的计算提供了新的方法。此外，基于结构的固有模态坐标，建立了适用于高耸烟囱耦合抖振响应分析的有限元CQC频域计算方法，并将频域计算结果与时域计算结果对比。结果表明：有限元迭代计算方法可以有效地计算三维烟囱的涡振响应，烟囱抖振响应频域计算和时域计算结果吻合良好。
高耸烟囱;结构风工程;涡激共振;抖振;有限元方法
土木与环境工程学报
ID ：j_caee
长按二维码关注我们
