论文部分内容阅读
近年来,台风一直都侵扰着我国沿海,给我国带来了巨大的损失。由于强风造成的建筑结构破坏屡见不鲜,而当下风洞试验测得的实验数据无法满足结构分析要求,所以往往对未布置测点的地方进行风压预测工作,以获取足够多的风压数据。现阶段有关风压预测的研究有很多,如插值函数法、人工神经网络法、POD方法等。其中POD方法预测的精度取决于所使用的插值函数,在以往的研究中,没有插值函数能够准确地预测湍流较为复杂的区域脉动风压。本文将选取不同的插值函数来进行POD脉动风压预测研究,对以往的研究进行一个补充。考虑到现阶段结构形式的复杂多样,利用普通的POD方法难以准确预测脉动风压,而BP神经网络是一种能够很好预测非线性关系的工具,故将BP神经网络与POD方法结合对湍流较为复杂的区域进行脉动风压预测。本文主要的工作内容分为以下几个部分来进行:对CAARC高层建筑标准模型和有表面凸起的高层建筑模型进行刚性测压实验,得到建筑表面的风压数据。在哈尔滨工业大学(深圳)的深圳风环境技术工程实验室大气边界层风洞进行风洞实验,高层建筑标准模型的实验结果与国内外权威风洞机构的实验结果很符合,验证了该风洞的性能符合实际工程要求;通过对比发现,表面凸起对表面脉动风压分布有着较大的影响。利用基于不同插值函数的POD方法对未布置测点处的脉动风压进行了预测研究。基于CAARC高层建筑标准模型实验数据,用POD方法对建筑物表面的脉动风压场进行分解,并分析标准高层建筑表面脉动风压场的特性;对脉动风压场进行重建分析,分析不同建筑面上重建效果有何差异,得出各个面上的最优重建模态阶数;进而对未布置测点处的脉动风压进行基于不同插值函数的POD方法预测,并分析预测的脉动风压场的时域和频域特性,得到了不同插值函数对预测结果的影响。结合BP神经网络和POD方法各自的优势,对脉动风压较为复杂的区域进行预测。对基于普通插值函数的POD方法预测不佳的位置,利用POD-BPNN方法进行脉动风压预测,发现POD-BPNN方法能够准确地预测该区域的脉动风压,无论是时域还是频域特性,都十分符合实测结果;针对存在凸起的建筑表面,采用POD-BPNN方法进行脉动风压预测,并给出了凸起高度对预测结果影响,得到该方法在湍流较为复杂时的预测效果。