CN113360979A - 钢箱梁抑涡除湿一体流动智能控制系统及使用方法 - Google Patents

钢箱梁抑涡除湿一体流动智能控制系统及使用方法 Download PDF

Info

Publication number
CN113360979A
CN113360979A CN202110621278.0A CN202110621278A CN113360979A CN 113360979 A CN113360979 A CN 113360979A CN 202110621278 A CN202110621278 A CN 202110621278A CN 113360979 A CN113360979 A CN 113360979A
Authority
CN
China
Prior art keywords
vortex
model
main beam
air
flow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110621278.0A
Other languages
English (en)
Other versions
CN113360979B (zh
Inventor
许育升
韩艳
李凯
王雷
李春光
胡朋
沈炼
毛禹
王赛龙
宋俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN202110621278.0A priority Critical patent/CN113360979B/zh
Publication of CN113360979A publication Critical patent/CN113360979A/zh
Application granted granted Critical
Publication of CN113360979B publication Critical patent/CN113360979B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (AREA)
  • Structural Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
  • Buildings Adapted To Withstand Abnormal External Influences (AREA)

Abstract

本发明涉及一种钢箱梁抑涡除湿一体流动智能控制系统及使用方法，本发明钢箱梁抑涡除湿一体流动智能控制系统包括风洞试验模块，数值模拟模块，代理模型参数优化模块，监测除湿抑涡集成装置模块；针对本发明使用方法来说，S1：根据风洞试验模块主梁节段模型的几何参数建立三维的建模；S2：根据风洞试验模块中主梁节段模型的动力特性参数以及振动系统运动方程的求解理论编译UDF二次开发程序；S3：求解得到主梁的响应数据以及流场数据；S4：得到涡量图、速度云图和压力云图；S5：最终生成最优数据库；S6：向监测除湿抑涡集成装置模块输入最优数据库。本发明能同时较好地解决大跨度钢箱梁桥主梁多阶的涡振控制问题和除湿问题。

Description

钢箱梁抑涡除湿一体流动智能控制系统及使用方法
技术领域
本发明涉及一种钢箱梁抑涡除湿一体流动智能控制系统。
本发明还涉及上述钢箱梁抑涡除湿一体流动智能控制系统的使用方法。
背景技术
随着桥梁跨度不断增长，风致振动逐渐成为制约大跨桥梁进一步发展的主要因素。涡振是一种具有强迫和自激双重特性的自限幅风致振动现象，由气流流经结构表面时产生的有规律旋涡脱落所引起。桥梁主梁涡振现象在实际工程中屡见不鲜，例如巴西的尼特罗伊跨海大桥(Rio-Niteroi Bridge)、日本的东京湾大桥(Trans-Tokyo Bay Bridge)、丹麦的大贝尔特大桥(Great East Belt Bridge)、俄罗斯的伏尔加河大桥(VolgaBridge)、美国的韦拉扎诺海峡大桥(Verrazzano-Narrows Bridge)、中国的西堠门大桥、虎门大桥和鹦鹉洲大桥等均在运营过程中出现了程度不一的涡激振动现象。虽然涡振不会直接引起桥梁动力失稳破坏，但是较大振幅的涡振会对桥梁结构的安全和行车舒适性产生较大的危害。
目前，涡振的控制主要有气动措施和阻尼措施。气动措施主要是针对涡激振动对主梁的气动外形特别敏感的特点，在不改变桥梁结构与使用功能的前提下，适当改变桥梁的外形布置或附加一些装置(如导流板、抑流板、隔涡网等)，从而得到具有良好抗风能力的桥梁断面绕流特征，但同时会对桥梁的美观性造成一定影响。由于桥梁断面绕流复杂性，各类气动外形优化措施均不具备涡振控制的普适性，主要是通过风洞试验和经验来确定，耗时耗力。另外，由于涡振对阻尼较为敏感，增大阻尼可以缩小涡激振动的锁定风速区间，显著降低涡振的振幅，通过增大桥梁结构的阻尼也能控制桥梁的涡振。但阻尼器一般安装至主梁内部，在实际应用过程中受到梁高和内部安装空间的制约，存在安装和维修养护困难问题，其造价昂贵且无法适应多阶涡振。与前两种控制措施相比，主动流动控制具有直接、简单、经济等优势。通过在流场中注入合适的扰动，使之与流动的内在模式相互耦合达到控制涡振的目的。主动流动控制的气动措施包括结构表面运动、吹/吸气流动控制等，其目标是形成具有优良品质的桥梁断面绕流特征，进而提高桥梁的涡振性能。但当前主动吸气控制方法只是基于有限的风洞试验或数值模拟结果得到相对合理的吸/吹气控制参数，如果要得到流动最优控制参数，需要对所有变量参数进行组合研究，工作量巨大，风洞试验或者数值模拟计算都难以承受。
钢箱梁在抗风性能以及跨越能力方面较其它断面形式具有很大的优越性，正成为跨越长江、大海的大跨度桥梁加劲梁的主要结构形式。由于受海上高湿度、高温差的环境影响，钢箱梁锈蚀问题严重，钢箱梁内部往往需要配置良好的除湿系统。一般除湿机的再生空气取自箱外，再排至箱外，利用干燥转轮，空气不断除湿、不断再生，周而复始，从而达到除湿效果。由除湿系统的工作原理可知，其与主动流动控制系统具有相似特点，均需要吸气、吹气。
发明内容
本发明的目的是提供一种钢箱梁除湿抑涡一体流动智能控制系统，本发明采用了代理模型可以很好地解决上述问题。代理模型是机器学习的一种，可以在不降低计算精度的基础上通过少量信息构造一个数学模型，使该构造模型的响应预测结果与试验或数值计算结果相近并满足工程精度要求。
本发明的另一个目的是提供上述钢箱梁除湿抑涡一体流动智能控制系统的使用方法，本发明利用风洞试验有限数据和CFD数值模拟技术，建立Kriging和SVR的联合迭代更新模型，得到吸/吹气孔扰流最优参数，研究主梁三维吸/吹气扰流控制机理；将主动流动控制与除湿系统一体化，结合智能控制技术，最终发展一种大跨度钢箱梁桥主梁除湿抑涡一体的流动智能控制系统。本发明能同时较好地解决大跨度钢箱梁桥主梁多阶的涡振控制问题和除湿问题，且实时监测主梁的振动，具有较好的经济效益，为大跨度桥梁的智能运维提供技术支持和保障。
针对本发明钢箱梁抑涡除湿一体流动智能控制系统来说，其包括：
风洞试验模块，接收计算结果，验证计算结果，判断计算结果的准确性；
数值模拟模块，向风洞试验模块提供计算结果，并接收风洞试验模块的验证反馈，通过后处理生成可视化的流场图，流场机理结果为风洞试验模块的工况设计提供参考；
代理模型参数优化模块，输入风洞试验模块的样本数据以及数值模拟模块的最优参数数据，经过对数据的深度学习，最终生成最优数据库，结果经数值模拟模块进行再次验证，并输出最优数据库；
监测除湿抑涡集成装置模块，输入最优数据库，基于实时桥梁的振动、来流风速以及箱体内湿度的监测结果对最优数据库参数进行匹配，得到吹和吸气的参数，并由控制系统对设备下达命令工作。
作为本发明钢箱梁抑涡除湿一体流动智能控制系统进一步的改进，风洞试验模块包括：
高压旋涡风机，其为两个，且都具有一个吹气口和一个吸气口，其中一个高压旋涡风机为吹气用，另一个高压旋涡风机为吸气用；
空气过滤器，其与高压旋涡风机连通；
精密减压阀，其与空气过滤器连通；
气流主管道，其与精密减压阀连通；
吸/吹气支管，为多个，分布在气流主管道上，其中吸气支管连通吸气用的气流主管道，吹气支管连通吹气用的气流主管道；
流量开关，安装在吸/吹气支管上；
控制单元，控制吹气和吸气气流大小和方向；
主梁节段模型，其内部设置管道与吸/吹气支管连通；
吹气端口，其间隔分布在主梁节段模型侧部上，经主梁节段模型内部管道，连通吹气支管；
吸气端口，其与吹气端口相互交替，间隔分布在主梁节段模型侧部上，经主梁节段模型内部管道，连通吸气支管，一个吹气端口相邻两侧为吸气端口。
针对本发明钢箱梁抑涡除湿一体流动智能控制系统的使用方法来说，其具体包括如下步骤：
S1：根据风洞试验模块主梁节段模型(8)的几何参数建立三维的建模，通过网格划分技术得到三维数值模型；
S2：根据风洞试验模块中主梁节段模型(8)的动力特性参数以及振动系统运动方程的求解理论编译UDF二次开发程序；
S3：将S1中的三维数值模型和S2的UDF导入Fluent软件计算，求解得到主梁的响应数据以及流场数据；
S4：将S3的流场数据文件导入后处理软件中，通过处理得到涡量图、速度云图和压力云图等，进行机理分析，再将分解结果用于指导风洞试验模块的试验工况设计；
S5：向代理模型参数优化模块输入风洞试验模块的样本数据以及数值模拟模块的最优参数数据，经过对数据的深度学习，最终生成最优数据库，结果经数值模拟模块进行再次验证，并输出最优数据库；
S6：向监测除湿抑涡集成装置模块输入最优数据库，基于实时桥梁的振动、来流风速以及箱体内湿度的监测结果对最优数据库参数进行匹配，得到吹和吸气的参数，并由控制系统对设备下达命令工作。
作为本发明钢箱梁抑涡除湿一体流动智能控制系统的使用方法进一步的改进：S1中的网格划分采用分域，将计算域分为刚性域、动网格域和静网格域；
作为本发明钢箱梁抑涡除湿一体流动智能控制系统的使用方法进一步的改进：S2中的理论方程为：
Figure BDA0003099670730000041
式中，m为主梁的竖向模态质量；I为主梁的扭转惯性矩；
Figure BDA0003099670730000042
分别为主梁的竖向加速度、竖向速度和竖向位移；
Figure BDA0003099670730000043
分别为主梁的角加速度、角速度和角位移；Ch、Cα分别为主梁的竖向阻尼系数和扭转阻尼系数；Kh、Kα为主梁的竖向刚度和扭转刚度；L(t)、M(t)分别为主梁的瞬时升力和瞬时扭矩。
作为本发明钢箱梁抑涡除湿一体流动智能控制系统的使用方法进一步的改进，S2中采用Newmark-β法求解主梁节段模型的的动力学方程，通过宏命令Compute_Force_And_Moment提取主梁的升力和扭矩，通过
DEFINE_CG_MOTION将竖向速度和角速度赋值给主梁和刚性域。
作为本发明钢箱梁抑涡除湿一体流动智能控制系统的使用方法进一步的改进，S3中的主梁和刚体的运动求解需要通过Fluent软件的动网格技术，采用网格光顺和网格重构方法实现刚性域的运动和网格的更新，并使用重构尺寸函数，设置重构参数，进一步保证更新后网格的质量。
作为本发明钢箱梁抑涡除湿一体流动智能控制系统的使用方法进一步的改进，S4得到的机理分析结果主要包括、吸和吹气扰流对主梁表面压力、脉动压力的空间分布特性以及涡激力的影响以及流场的演变规律，进而提出指导方案进行风洞试验模块试验，并将最优参数结果输入代理模型参数优化模块。
作为本发明钢箱梁抑涡除湿一体流动智能控制系统的使用方法进一步的改进，S5中：
S5.1：将风洞试验模块中的来流风参数、吸气孔控制参数作为输入量，将主梁涡振位移响应的最大值作为输出量，输入、输出的样本数据是构建代理模型的基础，通过风洞试验模块获得；
S5.2：采用拉丁超立方试验设计方法对风洞试验模块产生的数据进行取样，获得样本数据库，拟采用最大最小距离法优化样本的分布；
S5.3：基于S5.2中获得的初步样本数据库,拟采用Kriging模型，建立初步代理模型，利用训练完模型的参数，采用最大似然估计方法、贝叶斯推理方法和最小方差无偏估计方法推导Kriging模型的预测公式，最终建立代理模型的预测方法；
S5.4：使用代理模型对数据进行深度分析，获得大桥不同模态下主梁涡振的吸/吹气扰流最优控制参数；
S5.3中，采用Kriging模型的加点优化方法选择较少的初始样本，建立Kriging和SVR联合迭代更新模型的优化方法，在每个迭代循环中，根据EI准则对Kriging模型进行加点优化，将EI函数的最大值点加入到样本中，再利用SVR预测不同的设计点，优化过程中Kriging所具有的基于高斯误差的误差预估能力被植入SVR中，使模型达到快速收敛。
作为本发明钢箱梁抑涡除湿一体流动智能控制系统的使用方法进一步的改进，S6中，监测除湿抑涡集成装置模块包括：
加速度传感器，其识别桥梁是否发生涡振，且识别出桥梁的振动形式，确定桥梁的涡振模态为几阶；
振动报警器，用于振动报警提醒监测单位；
风速仪，其识别来流风的方向和大小，根据风速大小判断桥梁是否处于涡振风速区间内，并通过振动报警器提醒监测单位；
除湿加热器，用于箱梁内除湿加热；
湿度传感器，判断箱梁内湿度是否符合要求；
主梁气孔，接受控制，用于通气；
空气过滤器，用于过滤外来物体；
风机，用于吸气和吹气，相应地连接主梁上的吸气孔和吹气孔；
流量计，用于判读气体流速是否达到要求；
外界电源，作为系统的电源；
备用电源，作为系统的备用电源；
停电报警器，用于电源的停电报警；
中央控制系统，其包括温度控制分区，风机控制分区，数据库，发生涡振时，根据风速仪监测来流风速以及加速度传感器传递的数据与大数据库中数据匹配，得到流动控制的最优参数，最优参数为最佳的气孔布置参数和吸气吹气流量；相应地开启桥梁的气孔，并确定连接风机的吸气端和吹气端，下达指令调整风机运转，通过流量计监测确保实际的吸气吹气量达到要求，从而实现桥梁的智能流动控制；
其中，根据桥梁的特点，划分多个除湿抑涡区间，每个区间沿桥梁纵向不大于150m。
代理模型是机器学习的一种，可以在不降低计算精度的基础上通过少量信息构造一个数学模型，使该构造模型的响应预测结果与试验或数值计算结果相近并满足工程精度要求。
本发明利用风洞试验有限数据和CFD数值模拟技术，建立Kriging和SVR的联合迭代更新模型，得到吸/吹气孔扰流最优参数，研究主梁三维吸/吹气扰流控制机理；将主动流动控制与除湿系统一体化，结合智能控制技术，最终发展一种大跨度钢箱梁桥主梁除湿抑涡一体的流动智能控制系统。本发明能同时较好地解决大跨度钢箱梁桥主梁多阶的涡振控制问题和除湿问题，且实时监测主梁的振动，具有较好的经济效益，为大跨度桥梁的智能运维提供技术支持和保障。
附图说明
图1为基于代理模型的钢箱梁抑涡除湿一体流动智能控制系统模块关系图
图2为风洞试验模块构造图。
图3为两自由度流固耦合求解流程图。
图4为监测除湿抑涡一体化智能系统运行流程图。
图5为主梁开孔位置示意图。
图6为主梁节段模型内部孔位布置图。
图7为整体模型在风洞实验室中布置示意图。
图8为主梁横断面图。
图9为三维数值模型图。
图10为实施例3主梁竖向位移峰值随风速变化图。
图11为实施例3主梁某XY截面的涡量云图。
图12为实施例3主梁优化某XY截面的涡量云图
附图标记：1、高压旋涡风机；2、空气过滤器；3、精密减压阀；4、气流主管道；5、吸/吹气支管；6、流量开关；7、控制单元；8、主梁节段模型；9、吹气端口；10、吸气端口。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
一种基于代理模型的钢箱梁抑涡除湿一体流动智能控制系统主要包括：风洞试验模块、数值模拟模块、代理模型参数优化模块和监测除湿抑涡集成装置模块等四个模块，各模块之间的关系如图1。风洞试验模块对数值模拟模块的计算结果进行验证，判断计算结果的准确性；数值模拟模块可通过后处理生成可视化的流场图，流场机理结果可以为风洞试验模块的工况设计提供参考；同时风洞试验模块的样本数据以及数值模拟模块的最优参数数据最终输入到代理模型参数优化模块；代理模型参数优化模块可经过对数据的深度学习，最终生成最优数据库，结果可通过数值模拟模块进行再次验证；代理模型参数优化模块将最优数据库传递给监测除湿抑涡集成装置模块，监测除湿抑涡集成装置模块基于实时桥梁的振动、来流风速以及箱体内湿度的监测结果对最优数据库参数进行匹配，得到吹/吸气的参数并由控制系统对设备下达命令工作，以达到智能抑制涡振和除湿的效果。
风洞试验模块主要由10个部件组成。包括：1、高压旋涡风机、2、空气过滤器、3、精密减压阀、4、气流主管道、5、吸/吹气支管、6、流量开关，7、控制单元、8主梁节段模型、9吹气端口以及10、吸气端口，如图2中所示。其中高压旋涡风机1可以吸气，也可以吹气，试验时采用两个高压旋涡风机(一吸一吹)。在主梁节段模型8上的前缘(分离点位置)和尾缘(旋涡脱落位置)，或者断面上其他产生旋涡的位置，沿其展向方向，分别交叉、间隔布置多个吹气端口9和吸气端口10，每个前、后缘的吸气端口通过箱梁内部设置的管道与吸气动力设备相应相连接；每个前、后缘的吹气端口也通过箱梁内部设置的管道与吹气动力设备相连接；通过控制单元7控制气流大小和方向，从而在箱梁展向方向形成流动干扰。节段模型悬挂于两自由度的试验装置系统，进行涡振试验。
数值模拟模块的整体执行流程如图3所示，主要步骤包括：
步骤1：根据风洞试验模块主梁节段模型8的几何参数建立三维的建模，通过网格划分技术得到三维数值模型；
步骤2：根据风洞试验模块中主梁模型8的动力特性参数以及振动系统运动方程的求解理论编译UDF二次开发程序；
步骤3：将步骤1中的三维数值模型和步骤2的UDF导入Fluent软件计算，求解得到主梁的响应数据(.txt文件)以及流场数据(.cas和.data文件)；
步骤4：将步骤3的流场数据(.cas和.data)文件导入后处理软件中，通过处理得到涡量图、速度云图和压力云图等，进行机理分析，再将分解结果用于指导风洞试验模块(1)的试验工况设计；
步骤1的网格划分采用分域的思想，将计算域分为刚性域、动网格域和静网格域；
步骤2中的理论方程为：
Figure BDA0003099670730000081
式中，m为主梁的竖向模态质量；I为主梁的扭转惯性矩；
Figure BDA0003099670730000091
分别为主梁的竖向加速度、竖向速度和竖向位移；
Figure BDA0003099670730000092
分别为主梁的角加速度、角速度和角位移；Ch、Cα分别为主梁的竖向阻尼系数和扭转阻尼系数；Kh、Kα为主梁的竖向刚度和扭转刚度；L(t)、M(t)分别为主梁的瞬时升力和瞬时扭矩。
步骤2中采用Newmark-β法求解主梁节段模型的的动力学方程，通过宏命令Compute_Force_And_Moment提取主梁的升力和扭矩，通过DEFINE_CG_MOTION将竖向速度和角速度赋值给主梁和刚性域。
步骤3中的主梁和刚体的运动求解需要通过Fluent软件的动网格技术，采用网格光顺和网格重构方法实现刚性域的运动和网格的更新，并使用重构尺寸函数，设置重构参数，进一步保证更新后网格的质量。
步骤4得到的机理分析结果主要包括、吸/吹气扰流对主梁表面压力、脉动压力的空间分布特性以及涡激力的影响以及流场的演变规律，进而提出指导方案进行风洞试验模块试验，并将最优参数结果输入代理模型参数优化模块。
代理模型参数优化模块主要包括自编译的程序。通过响应间的相关性分析，以减小输入的数量、提高代理模型效率为目的。
步骤1：将风洞试验模块中的来流风参数、吸气孔控制参数作为输入量，将主梁涡振位移响应的最大值作为输出量。输入、输出的样本数据是构建代理模型的基础，通过风洞试验模块获得。
步骤2：采用应用最广泛的拉丁超立方试验设计方法对风洞试验模块产生的数据进行取样，获得样本数据库。为了避免取样出现分布很差的结果，拟采用最大最小距离法优化样本的分布，提高代理模型的全局预测精度和泛化能力。
步骤3：基于步骤2中获得的初步样本数据库,拟采用Kriging模型，建立初步代理模型。利用训练完模型的参数，采用最大似然估计方法、贝叶斯推理方法和最小方差无偏估计方法推导Kriging模型的预测公式，最终建立代理模型的预测方法。
步骤4：使用代理模型对数据进行深度分析，获得大桥不同模态下主梁涡振的吸/吹气扰流最优控制参数。
步骤3中随着输入量的增加，代理模型对样本的需求会骤增，构建全局高精度的代理模型，其计算代价难以承受。因此，本发明采用Kriging模型的加点优化方法选择较少的初始样本，建立Kriging和SVR联合迭代更新模型的优化方法。在每个迭代循环中，根据EI准则对Kriging模型进行加点优化。将EI函数的最大值点加入到样本中，再利用SVR预测不同的设计点，优化过程中Kriging所具有的基于高斯误差的误差预估能力被植入SVR中，使模型达到快速收敛。兼顾了局部和全局优化的精度，同时优化过程可以实现并行计算，大大提高了计算效率。
监测除湿抑涡集成装置模块包括：加速度传感器，风速仪，除湿加热器，湿度传感器，振动报警器，中央控制系统(包括温度控制分区，风机控制分区，数据库)，主梁吸气孔，空气过滤器，风机，流量计，外界电源，备用电源以及停电报警器。监测除湿抑涡一体化智能系统的运行流程如图4所示。
风机采用具有吸气和吹气功能，可以相应地连接主梁上的吸气孔和吹气孔，空气过滤器的作用是防止外来物体进入系统；
实施例2
以某主跨为808m的钢箱梁悬索桥为工程背景，根据桥梁的设计方案设计节段模型，主梁横断面如图5所示，在主梁上游上表面、上游下表面、下游上表面以及下游下表面开孔，在模型体内按照附图2布置试验设备。气体管道在主梁节段模型内部布置如附图6所示，整体模型在风洞实验室中布置如附图7所示。试验风速比为2.077，动力特性参数如附表1所示。风洞试验结果表明，原设计主梁在+5°攻角下发生了竖向涡振，实桥最大涡振振幅RMS值为0.2948m。
表1实施例2主梁断面动力特性参数表
Figure BDA0003099670730000101
因此，采用与原设计工况相同的风速比和动力特性参数，根据孔位的布置间距、吸/吹气的速率设计试验工况，进行涡振试验，部分试验结果如表2所示。结果表明在不同工况下，本发明对主梁涡振的抑制效果不一且存在着较好的抑制效果。在工况1(上游下表面吸气，气孔间距为2.5m，吸气速率为5m/s)中，抑制效果最佳，同时将其作为样本数据以备导入代理模型参数优化程序中。
表2+5°攻角下，不同工况下主梁涡振的抑制效果结果
Figure BDA0003099670730000111
实施例3
某大跨度斜拉桥为独塔钢箱梁斜拉桥为工程背景。大桥跨径布置为160m+90m+85m+85m+90m+160m＝670m，主梁断面采用带挑臂的钢箱梁形式，标准段主梁断面宽37m，高3.282m，如图8所示。模型缩尺比为1:50，风速比为3.32。采用Gambit软件对主梁节段建立三维数值模型，如图9所示。采用SST k-w湍流模型进行计算，并将湍流强度和湍流粘性比分别设置为0.5％和2。求解过程SIMPLEC方法求解速度-压力耦合公式，同时以二阶迎风格式来控制计算的离散。将主梁的动力特性参数(表2)输入至自编译的UDF二次开发程序中，并将UDF程序和数值模型导入Fluent软件中计算。最终处理得到主梁的涡振竖向位移峰值随风速变化如图10中所示。+3°攻角下，主梁出现了竖向涡激振动现象，数值模拟计算与风洞试验结果吻合良好，结果表明在7.2m/s(实桥23.90m/s)达到最大竖向位移，即实桥0.1280m，不满足抗风规范。因此，通过后处理得到+3°攻角风速为7.2m/s(实桥23.90m/s)下的主梁近壁面的涡量云图(图11)，可以看出上表面的旋涡在上游栏杆附近形成大的旋涡，最终在尾部脱落，下表面的旋涡在下游尾部栏杆下表面脱落，上下表面旋涡的交替形成了周期的气动力，导致了主梁的涡激振动现象，如图11中虚线框处。采用在上游上表面和下游下表面处主动吹气(速率为10m/s，已换算到实桥)，涡振最大位移减小至1.695mm(已换算至实桥)，显著降低了主梁的位移，较好地抑制了主梁的涡振，对应的涡量云图如图12所示。采用了本发明的吸吹气流动控制措施后，阻碍了上表面的旋涡的形成以及下表面尾部旋涡的脱落，形成了较为稳定的流场。
表2实施例2主梁断面动力特性参数表
Figure BDA0003099670730000121
本发明公开了：
(1)基于风洞试验的主动吸/吹气主梁节段模型涡振测试系统；
(2)基于代理模型的主动吸/吹气扰流最优控制参数优化方法；
(3)三维主动吸/吹气的两自由度悬挂节段模型涡振的数值模拟技术；
(4)大跨度钢箱梁除湿抑涡一体化集成装置智能流动控制技术。
代理模型是机器学习的一种，可以在不降低计算精度的基础上通过少量信息构造一个数学模型，使该构造模型的响应预测结果与试验或数值计算结果相近并满足工程精度要求。
本发明利用风洞试验有限数据和CFD数值模拟技术，建立Kriging和SVR的联合迭代更新模型，得到吸/吹气孔扰流最优参数，研究主梁三维吸/吹气扰流控制机理；将主动流动控制与除湿系统一体化，结合智能控制技术，最终发展一种大跨度钢箱梁桥主梁除湿抑涡一体的流动智能控制系统。本发明能同时较好地解决大跨度钢箱梁桥主梁多阶的涡振控制问题和除湿问题，且实时监测主梁的振动，具有较好的经济效益，为大跨度桥梁的智能运维提供技术支持和保障。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围之内。

Claims (10)

1.一种钢箱梁抑涡除湿一体流动智能控制系统，其特征在于，包括：
风洞试验模块，接收计算结果，验证计算结果，判断计算结果的准确性；
数值模拟模块，向风洞试验模块提供计算结果，并接收风洞试验模块的验证反馈，通过后处理生成可视化的流场图，流场机理结果为风洞试验模块的工况设计提供参考；
代理模型参数优化模块，输入风洞试验模块的样本数据以及数值模拟模块的最优参数数据，经过对数据的深度学习，最终生成最优数据库，结果经数值模拟模块进行再次验证，并输出最优数据库；
监测除湿抑涡集成装置模块，输入最优数据库，基于实时桥梁的振动、来流风速以及箱体内湿度的监测结果对最优数据库参数进行匹配，得到吹和吸气的参数，并由控制系统对设备下达命令工作。
2.根据权利要求1所述的钢箱梁抑涡除湿一体流动智能控制系统，其特征在于，所述风洞试验模块包括：
高压旋涡风机(1)，其为两个，且都具有一个吹气口和一个吸气口，其中一个高压旋涡风机(1)为吹气用，另一个高压旋涡风机(1)为吸气用；
空气过滤器(2)，其与高压旋涡风机(1)连通；
精密减压阀(3)，其与空气过滤器(2)连通；
气流主管道(4)，其与精密减压阀(3)连通；
吸/吹气支管(5)，为多个，分布在气流主管道(4)上，其中吸气支管连通吸气用的气流主管道(4)，吹气支管连通吹气用的气流主管道(4)；
流量开关(6)，安装在吸/吹气支管(5)上；
控制单元(7)，控制吹气和吸气气流大小和方向；
主梁节段模型(8)，其内部设置管道与吸/吹气支管(5)连通；
吹气端口(9)，其间隔分布在主梁节段模型(8)侧部上，经主梁节段模型(8)内部管道，连通吹气支管；
吸气端口(10)，其与吹气端口(9)相互交替，间隔分布在主梁节段模型(8)侧部上，经主梁节段模型(8)内部管道，连通吸气支管，一个吹气端口(9)相邻两侧为吸气端口(10)。
3.一种权利要求2所述钢箱梁抑涡除湿一体流动智能控制系统的使用方法，其特征在于，具体包括如下步骤：
S1：根据风洞试验模块主梁节段模型(8)的几何参数建立三维的建模，通过网格划分技术得到三维数值模型；
S2：根据风洞试验模块中主梁节段模型(8)的动力特性参数以及振动系统运动方程的求解理论编译UDF二次开发程序；
S3：将S1中的三维数值模型和S2的UDF导入Fluent软件计算，求解得到主梁的响应数据以及流场数据；
S4：将S3的流场数据文件导入后处理软件中，通过处理得到涡量图、速度云图和压力云图，进行机理分析，再将分解结果用于指导风洞试验模块的试验工况设计；
S5：向代理模型参数优化模块输入风洞试验模块的样本数据以及数值模拟模块的最优参数数据，经过对数据的深度学习，最终生成最优数据库，结果经数值模拟模块进行再次验证，并输出最优数据库；
S6：向监测除湿抑涡集成装置模块输入最优数据库，基于实时桥梁的振动、来流风速以及箱体内湿度的监测结果对最优数据库参数进行匹配，得到吹和吸气的参数，并由控制系统对设备下达命令工作。
4.根据权利要求3所述的钢箱梁抑涡除湿一体流动智能控制系统的使用方法，其特征在于：
S1中的网格划分采用分域，将计算域分为刚性域、动网格域和静网格域；
5.根据权利要求4所述的钢箱梁抑涡除湿一体流动智能控制系统的使用方法，其特征在于：
S2中的理论方程为：
Figure FDA0003099670720000021
式中，m为主梁的竖向模态质量；I为主梁的扭转惯性矩；
Figure FDA0003099670720000022
h(t)分别为主梁的竖向加速度、竖向速度和竖向位移；
Figure FDA0003099670720000023
α(t)分别为主梁的角加速度、角速度和角位移；Ch、Cα分别为主梁的竖向阻尼系数和扭转阻尼系数；Kh、Kα为主梁的竖向刚度和扭转刚度；L(t)、M(t)分别为主梁的瞬时升力和瞬时扭矩。
6.根据权利要求5所述的钢箱梁抑涡除湿一体流动智能控制系统的使用方法，其特征在于：
S2中采用Newmark-β法求解主梁节段模型的的动力学方程，通过宏命令Compute_Force_And_Moment提取主梁的升力和扭矩，通过DEFINE_CG_MOTION将竖向速度和角速度赋值给主梁和刚性域。
7.根据权利要求6所述的钢箱梁抑涡除湿一体流动智能控制系统的使用方法，其特征在于：
S3中的主梁和刚体的运动求解需要通过Fluent软件的动网格技术，采用网格光顺和网格重构方法实现刚性域的运动和网格的更新，并使用重构尺寸函数，设置重构参数，进一步保证更新后网格的质量。
8.根据权利要求7所述的钢箱梁抑涡除湿一体流动智能控制系统的使用方法，其特征在于：
S4得到的机理分析结果主要包括、吸和吹气扰流对主梁表面压力、脉动压力的空间分布特性以及涡激力的影响以及流场的演变规律，进而提出指导方案进行风洞试验模块试验，并将最优参数结果输入代理模型参数优化模块。
9.根据权利要求8所述的钢箱梁抑涡除湿一体流动智能控制系统的使用方法，其特征在于，S5中：
S5.1：将风洞试验模块中的来流风参数、吸气孔控制参数作为输入量，将主梁涡振位移响应的最大值作为输出量，输入、输出的样本数据是构建代理模型的基础，通过风洞试验模块获得；
S5.2：采用拉丁超立方试验设计方法对风洞试验模块产生的数据进行取样，获得样本数据库，拟采用最大最小距离法优化样本的分布；
S5.3：基于S5.2中获得的初步样本数据库,拟采用Kriging模型，建立初步代理模型，利用训练完模型的参数，采用最大似然估计方法、贝叶斯推理方法和最小方差无偏估计方法推导Kriging模型的预测公式，最终建立代理模型的预测方法；
S5.4：使用代理模型对数据进行深度分析，获得大桥不同模态下主梁涡振的吸/吹气扰流最优控制参数；
S5.3中，采用Kriging模型的加点优化方法选择较少的初始样本，建立Kriging和SVR联合迭代更新模型的优化方法，在每个迭代循环中，根据EI准则对Kriging模型进行加点优化，将EI函数的最大值点加入到样本中，再利用SVR预测不同的设计点，优化过程中Kriging所具有的基于高斯误差的误差预估能力被植入SVR中，使模型达到快速收敛。
10.根据权利要求9所述的钢箱梁抑涡除湿一体流动智能控制系统的使用方法，其特征在于，S6中，监测除湿抑涡集成装置模块包括：
加速度传感器，其识别桥梁是否发生涡振，且识别出桥梁的振动形式，确定桥梁的涡振模态为几阶；
振动报警器，用于振动报警提醒监测单位；
风速仪，其识别来流风的方向和大小，根据风速大小判断桥梁是否处于涡振风速区间内，并通过振动报警器提醒监测单位；
除湿加热器，用于箱梁内除湿加热；
湿度传感器，判断箱梁内湿度是否符合要求；
主梁气孔，接受控制，用于通气；
空气过滤器，用于过滤外来物体；
风机，用于吸气和吹气，相应地连接主梁上的吸气孔和吹气孔；
流量计，用于判读气体流速是否达到要求；
外界电源，作为系统的电源；
备用电源，作为系统的备用电源；
停电报警器，用于电源的停电报警；
中央控制系统，其包括温度控制分区，风机控制分区，数据库，发生涡振时，根据风速仪监测来流风速以及加速度传感器传递的数据与大数据库中数据匹配，得到流动控制的最优参数，最优参数为最佳的气孔布置参数和吸气吹气流量；相应地开启桥梁的气孔，并确定连接风机的吸气端和吹气端，下达指令调整风机运转，通过流量计监测确保实际的吸气吹气量达到要求，从而实现桥梁的智能流动控制；
其中，根据桥梁的特点，划分多个除湿抑涡区间，每个区间沿桥梁纵向不大于150m。
CN202110621278.0A 2021-06-03 2021-06-03 钢箱梁抑涡除湿一体流动智能控制系统及使用方法 Active CN113360979B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110621278.0A CN113360979B (zh) 2021-06-03 2021-06-03 钢箱梁抑涡除湿一体流动智能控制系统及使用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110621278.0A CN113360979B (zh) 2021-06-03 2021-06-03 钢箱梁抑涡除湿一体流动智能控制系统及使用方法

Publications (2)

Publication Number Publication Date
CN113360979A true CN113360979A (zh) 2021-09-07
CN113360979B CN113360979B (zh) 2023-04-14

Family

ID=77531864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110621278.0A Active CN113360979B (zh) 2021-06-03 2021-06-03 钢箱梁抑涡除湿一体流动智能控制系统及使用方法

Country Status (1)

Country Link
CN (1) CN113360979B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114427187A (zh) * 2022-03-09 2022-05-03 长沙理工大学 用于抑制桥梁涡振的智能可调防眩板、控制系统及方法
CN114462159A (zh) * 2022-01-07 2022-05-10 中国人民解放军海军工程大学 一种船用湿汽轮机多工况的叶片除湿优化设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609009A (zh) * 2012-04-13 2012-07-25 欧进萍 一种结构绕流场吸/吹气控制方法及其装置
US10169847B1 (en) * 2015-08-06 2019-01-01 The United States Of America As Represented By The Administrator Of Nasa Air-to-air background oriented schlieren technique
CN109885864A (zh) * 2019-01-07 2019-06-14 长沙理工大学 一种三维钢桥塔涡激振动计算方法
US20200018666A1 (en) * 2019-07-02 2020-01-16 Shanghai Typhoon Institute, CMA Wind field dynamic downscaling method based on aerodynamic parameters of simplified terrain
CN112084560A (zh) * 2020-09-09 2020-12-15 长沙理工大学 一种多幅桥面桥梁涡激振动数值模拟计算方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609009A (zh) * 2012-04-13 2012-07-25 欧进萍 一种结构绕流场吸/吹气控制方法及其装置
US10169847B1 (en) * 2015-08-06 2019-01-01 The United States Of America As Represented By The Administrator Of Nasa Air-to-air background oriented schlieren technique
CN109885864A (zh) * 2019-01-07 2019-06-14 长沙理工大学 一种三维钢桥塔涡激振动计算方法
US20200018666A1 (en) * 2019-07-02 2020-01-16 Shanghai Typhoon Institute, CMA Wind field dynamic downscaling method based on aerodynamic parameters of simplified terrain
CN112084560A (zh) * 2020-09-09 2020-12-15 长沙理工大学 一种多幅桥面桥梁涡激振动数值模拟计算方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
何旭辉等: "高速铁路桥梁-列车系统的横风气动特性研究综述（英文）", 《JOURNAL OF CENTRAL SOUTH UNIVERSITY》 *
李德如等: "基于LHS-Kriging法的正交异性钢桥面板疲劳可靠度分析", 《计算力学学报》 *
李永乐等: "大跨度悬索桥钢箱主梁涡振性能优化风洞试验研究", 《空气动力学学报》 *
杨昕等: "大跨度分体箱梁桥梁涡振性能及其控制", 《土木工程学报》 *
武斌等: "Reduction of turbulent boundary layer drag through dielectric-barrier-discharge plasma actuation based on the Spalding formula", 《PLASMA SCIENCE AND TECHNOLOGY》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462159A (zh) * 2022-01-07 2022-05-10 中国人民解放军海军工程大学 一种船用湿汽轮机多工况的叶片除湿优化设计方法
CN114462159B (zh) * 2022-01-07 2024-04-09 中国人民解放军海军工程大学 一种船用湿汽轮机多工况的叶片除湿优化设计方法
CN114427187A (zh) * 2022-03-09 2022-05-03 长沙理工大学 用于抑制桥梁涡振的智能可调防眩板、控制系统及方法
CN114427187B (zh) * 2022-03-09 2023-10-20 长沙理工大学 用于抑制桥梁涡振的智能可调防眩板、控制系统及方法

Also Published As

Publication number Publication date
CN113360979B (zh) 2023-04-14

Similar Documents

Publication Publication Date Title
CN113360979B (zh) 钢箱梁抑涡除湿一体流动智能控制系统及使用方法
Gao et al. Mechanism of frequency lock-in in transonic buffeting flow
CN109799049A (zh) 一种弹性圆柱体涡激振动规律和耦合机理测定方法
Zheng et al. Wind-induced responses of tall buildings under combined aerodynamic control
Liu et al. Investigation on aerodynamic force nonlinear evolution for a central-slotted box girder under torsional vortex-induced vibration
Jafari et al. Aerodynamic shape optimization of rectangular and elliptical double-skin façades to mitigate wind-induced effects on tall buildings
CN112883667A (zh) 一种基于大涡模拟在竖向脉动风荷载作用下的膜结构抗风优化方法
Abdelaziz et al. A smart façade system controller for optimized wind-induced vibration mitigation in tall buildings
Yu et al. Wind-induced response of an L-shaped cable support glass curtain wall
Zhong et al. Two-dimensional numerical simulation of wind driven ventilation across a building enclosure with two free apertures on the rear side: Vortex shedding and “pumping flow mechanism”
CN105260806A (zh) 一种管路系统的流固耦合动力学特性预测方法
Li et al. Numerical simulation of feedback flutter control for a single-box-girder suspension bridge by twin-winglet system
CN102364479A (zh) 一种燃气轮机进气装置的设计分析方法
CN110543677A (zh) 一种涡特征驱动的旋转湍流pans模型
CN110197002A (zh) 一种泵站系统振动特性评估和分析方法
CN111079330A (zh) 一种考虑流固耦合效应的大跨度膜结构抗风设计方法
Wang et al. Flutter control of active aerodynamic flaps mounted on streamlined bridge deck fairing edges: An experimental study
Mao et al. Structure optimization of a vibration suppression device for underwater moored platforms using CFD and neural network
CN103898830A (zh) 制振器及基于该制振器的施工阶段的斜拉桥系统
Mao et al. Ground effects on the vortex-induced vibration of bridge decks
Roy et al. CFD modelling of wind flow around buildings for wind energy conversion
Mohebi Influence of Thickness and Angle of Attack on the Dynamics of Rectangular Cylinder Wakes
Chowdhury et al. Analysis of wind pressure coefficients on CTBUH standard high-rise buildings in CFD simulations
CN115391881B (zh) 一种桥塔尾流区吊索风致振动数值预测方法
Thomas et al. Non-intrusive polynomial chaos approach for nonlinear aeroelastic uncertainty quantification

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant