基于RBFNN+改进粒子群算法的大跨度斜拉桥索力优化研究

摘要

针对大跨度斜拉桥的索力优化问题，该文基于径向基神经网络（Radial Basis Function Neural Network,RBFNN）拟合响应面，提出了一种考虑斜拉索可靠度指标的索力优化方法。通过RBFNN训练拟合结构隐式功能函数，建立求解可靠度指标的RBFNN响应面模型，采用改进粒子群算法对考虑可靠度指标的索力优化模型进行寻优求解。研究结果表明：RBFNN可以精确预测结构响应并拟合结构隐式功能函数，20个测试集的平均拟合误差仅为3.25%；改进粒子群算法对索力优化问题具有良好的适应性。相较于标准粒子群算法，改进后的算法收敛精度更高，收敛速度更快，优化后整体索力分布趋势与原索力分布趋势大致相同，采用优化索力计算得到的跨中位置斜拉索可靠度指标明显提升，各斜拉索平均可靠度增幅达3%左右，主梁线形得到大幅改善，最大挠度降幅高达36%。

关键词

斜拉桥 / 索力优化 / 可靠度指标 / 径向基神经网络 / 改进粒子群算法