1、第 53 卷 第 5 期2023 年 3 月上建 筑 结 构Building StructureVol.53 No.5Mar.2023 DOI:10.19701/j.jzjg.LS220111河北省省属高等学校基本科研业务费研究项目(2021XSTD08)。第第一一作作者者:刘仲洋,博士研究生,副教授,一级注册结构工程师,主要从事装配式建筑钢结构的研究,Email:lzy1502 。通通信信作作者者:李冰阳,硕士研究生,主要从事建筑钢结构的研究,Email:plutonium37 。采用 BP-ANN 模型的梁柱平齐端板连接节点极限抗弯承载力预测研究刘仲洋1,2,3,李冰阳1,黄轶淼3,王 浩
2、3,陈 伟4,翁维素1,2(1 河北建筑工程学院土木工程学院,张家口 075031;2 河北省土木工程诊断,改造与抗灾重点实验室,张家口 075031;3 河北工业大学土木与交通学院,天津 300401;4 国网冀北电力有限公司张家口供电公司,张家口 075001)摘要:筛选文献中报道的 143 组试验数据,采用误差反向传播人工神经网络(BP-ANN)建立和训练了 1 个 2 层BP-ANN 模型,对梁柱平齐端板连接节点的极限抗弯承载力进行了预测。该模型利用 20 个组件特征参数作为输入,以极限抗弯承载力作为输出。通过与传统机器学习算法预测结果对比,验证了方法和模型的有效性,并依据模型推导出一
3、个实用简化的极限抗弯承载力数学表达式。统计分析结果显示:经过训练的 BP-ANN 模型,在测试集上的平均绝对百分比误差(MAPE)为 5.28%,均方误差(MSE)为 5.7910-4。另外,对特征参数进行敏感性分析,得到了组件特征对节点极限抗弯承载力的影响程度。研究结果表明:采用 BP-ANN 模型能够综合考虑组件特征对节点极限抗弯承载力的影响,预测结果较为准确;该模型为梁柱连接性能评估和改进提供了智能化的解决方案,可作为数值模拟和结构试验研究的有力补充。关键词:人工神经网络;梁柱节点;平齐端板连接;极限抗弯承载力 中图分类号:TU391 文献标志码:A文章编号:1002-848X(2023
4、)05-0119-08引用本文 刘仲洋,李冰阳,黄轶淼,等.采用 BP-ANN 模型的梁柱平齐端板连接节点极限抗弯承载力预测研究J.建筑结构,2023,53(5):119-126.LIU Zhongyang,LI Bingyang,HUANG Yimiao,et al.Research on prediction of ultimate moment capacity of beam-to-column flush end-plate connection joint via BP-ANN modelJ.Building Structure,2023,53(5):119-126.Researc
5、h on prediction of ultimate moment capacity of beam-to-column flush end-plate connection joint via BP-ANN model LIU Zhongyang1,2,3,LI Bingyang1,HUANG Yimiao3,WANG Hao3,CHEN Wei4,WENG Weisu1,2(1 School of Civil Engineering,Hebei University of Architecture,Zhangjiakou 075031,China;2 Hebei Key Laborato
6、ry for Diagnosis,Reconstruction and Anti-disaster of Civil Engineering,Zhangjiakou 075031,China;3 School of Civil and Transportation Engineering,Hebei University of Technology,Tianjin 300401,China;4 State Grid Zhangjiakou Power Supply Company,Zhangjiakou 075001,China)Abstract:Based on 143 sets of ex
7、perimental data reported in the literatures,a two-layer back-propagation artificial neural network(BP-ANN)model was established and trained to predict the ultimate moment capacity of beam-to-column flush end-plate connection joint.The model uses 20 component features as the input and the ultimate mo
8、ment capacity as the output.Compared with the prediction results of traditional machine learning algorithms,the effectiveness of the method and model were verified,and a simplified explicit expression of ultimate moment capacity was derived.The statistical analysis results show that the trained BP-A
9、NN model has a mean absolute percentage error(MAPE)of 5.28%and a mean square error(MSE)of 5.7910-4 on the test set.In addition,the influence of component features on the ultimate moment capacity of joint was obtained by sensitivity analysis.The study results show that the BP-ANN model can comprehens
10、ively consider the influence of component features on ultimate moment capacity of joint,and the prediction results are more accurate.The model provides an intelligent solution for the performance evaluation and improvement of beam-to-column connections,and it can be used as a powerful supplement to
11、the numerical simulation and structural test research of such connections.Keywords:artificial neural network;beam-to-column connection joint;flush end-plate connection;ultimate moment capacity建 筑 结 构2023 年0引言 平齐端板连接构造简单、承载力和刚度可调整范围大,在工业化建筑钢结构,特别是钢框架梁柱节点连接中有着较为广泛的应用,图 1 为典型的梁柱平齐端板连接节点示意。平齐端板连接属于典型的半刚
12、性连接,其性能受构件、端板、高强度螺栓的几何和材料特性以及构造等特征影响,单一变量分析不能考虑变量之间的综合影响,难以全面地分析节点性能。目前确定半刚性连接纯钢节点性能的方法,综合起来包括结构试验法、曲线拟合法和数值模拟法等。结构试验法能够精确有效地得到节点的各项性能,但工作量大,往往需要投入较高的资金和时间成本。曲线拟合法则是建立在试验基础上,试验数据不足难以保证拟合方程的适用性和正确性。因此,当前大多数研究采用数值模拟法结合试验法对节点相关特征与其性能之间的关系进行描述和分析。但研究者通常针对具体的节点形式建模方法存在较大差别,且精确数值模型的分析成本同样较高;而采用基本假定简化模型易导致
13、分析难以真实表达连接的实际受力情况。图 1 梁柱平齐端板连接节点示意图根 据 万 能 近 似 定 理(universal universal approximation theorem),人工神经网络(ANN)能够实现对任意复杂度函数的非线性拟合1-2,因其强大的计算和泛化能力,在结构损伤识别3、结构健康监测4、桩承载力预测5、深基坑变形预测6、混凝土相关性能预测7-9等工程领域得到了应用和发展。在结构性能预测和优化方面,应用较为广泛的是误差反向传播人工神经网络(BP-ANN)。程诗焱等10在其研究中提出了一种基于 BP-ANN 的地震易损性曲面分析方法,建立了地震持时与结构损伤的关联,相较于
14、传统分析方法提高了损伤分析结果的可信度。周轶凡等11将遗传算法和人工神经网络引入结构找形优化研究,为结构的多目标优化提供了新的思路。DE LIMA 等12采用 BP-ANN 对焊接节点、双腹板顶底角钢节点等节点的弯矩和初始转动刚度进行了预测,取得了较为可靠的结果。沈袁协13、韩小雷14和 GUZELBEY 等15则分别针对混凝土板、钢筋混凝土梁和宽翼缘钢梁等单个构件的性能预测,建立了基于人工神经网络的预测模型,对于构件性能的评估给出了更为准确可靠的方法。本文利用来自已报道文献中的梁柱节点平齐端板连接试验数据,建立BP-ANN 模型,对节点的极限抗弯承载力进行了预测研究。在验证可行性和有效性的基
15、础上,与传统机器学习方法的预测结果进行了比较。并结合敏感性分析,确定输入变量对输出变量的贡献程度,从而得到组件特征对节点极限抗弯承载力的影响规律。研究旨在为钢结构节点性能测试评估提供一种高效的智能解决方案。1节点极限抗弯承载力预测模型的建立与评估 基于 ANN 等机器学习技术的预测模型一般依照图 2 所示的流程进行建立。先通过对所建立数据集的预处理和特征分析,得到数据集的统计信息,然后将数据集划分成训练集、验证集和测试集,数据集划分比例一般为 0.70 0.15 0.15,然后通过对机器学习模型的反复训练和优化得到有效的预测模型,最后对预测模型进行评估和解释。图 2 机器学习建模流程所涉及的
16、BP-ANN 即采用误差反向传播算法的多层前馈神经网络,其本质是一个具有非线性拟合能力的计算模型16-18,自提出以来与其不同变种一起成为了应用最为广泛的神经网络模型之一,较早地被引入结构工程领域。如图 3 所示,一个典型的BP-ANN 通常包含 1 个输入层、1 个输出层和 1 个或多个隐藏层,每个层结构又包含 1 个或多个神经元节点,通过将计算误差反向传播来不断迭代修正网络参数,最终实现输入和输出之间的映射关系。021第 53 卷 第 5 期 刘仲洋,等.采用 BP-ANN 模型的梁柱平齐端板连接节点极限抗弯承载力预测研究图 3 BP-ANN 结构图1.1 研究样本数据 基于 MAK 等在文献19中建立的数据集,经过筛选和补充,得到本文研究的样本。提取的样本满足以下条件:1)节点为纯钢节点;2)节点为梁柱端板连接节点;3)采用的螺栓为标准高强度螺栓。最终得到143 组试件的数据作为本研究的数据集,并分别选取梁参数(梁截面高度 hb、梁翼缘宽度 bbf、梁翼缘厚度tbf、梁腹板厚度 tbw、梁屈服强度 fyb),柱参数(柱截面高度 hc、柱翼缘宽度 bcf、柱翼缘厚度 tcf、柱腹板