基于ISOA-RBF神经网络的钢筋混凝土拱桥有限元模型参数校准

《Scientific Reports》：Parameter calibration of finite element model of reinforced concrete arch bridge based on ISOA-RBF neural network

　　

摘要

为了实现钢筋混凝土（RC）拱桥的高效且准确的有限元（FE）模型更新，本研究提出了一种新的方法，该方法将改进的海鸥优化算法（ISOA）与径向基函数（RBF）神经网络相结合。首先，通过逻辑混沌映射和自适应攻击策略对基础的海鸥优化算法（SOA）进行了改进，形成了ISOA，以提高搜索效率和收敛性。其次，利用RBF神经网络出色的非线性拟合能力，构建了一个替代模型来映射关键结构参数与桥梁相应静态/动态响应之间的关系，从而在迭代优化过程中替代计算成本较高的完整FE模型。最后，通过结合拱形T梁的静态挠度和模态频率，构建了一个多目标优化模型，实现了基于现场荷载测试数据的整体FE模型更新。所提出的ISOA-RBF框架应用于一个长跨度RC拱桥案例研究。研究结果表明：（1）ISOA有效解决了FE模型更新中的逆向优化问题；（2）RBF替代模型具有较高的近似精度，在50个验证样本中的平均相对误差仅为0.62%；（3）更新后，计算得到的T梁挠度与实测挠度之间的差异显著减小，在两种静态荷载情况下平均相对误差低于10%；（4）前三阶模态频率的误差均小于5%，各模态之间保持了良好的正交性，且未观察到模态混合现象，证实了模型更新前后动态特性的一致性。