APP下载

基于BP神经网络的输电铁塔加固构件极限承载力预测模型

2022-01-07辛振科魏欢欢

山东电力高等专科学校学报 2021年6期
关键词:角钢铁塔预测值

辛振科 ,魏欢欢

(1.甘肃省水利水电勘测设计研究院有限责任公司,甘肃 兰州 730000;2.西安理工大学,陕西 西安 710048;3.杨凌职业技术学院,陕西 咸阳 712100.)

0 引言

输电铁塔作为一种重要的电力工程钢结构,目前普遍存在服役周期长、塔架腐蚀、螺栓松动等现象,并且设计标准偏低,塔材大多采用Q235或Q345钢材。雨雪冰冻、台风、地震等自然灾害,可能导致既有工程结构发生倒塔事故,造成经济损失。

若将老旧危输电铁塔推倒重建,会造成较大的浪费,同时还有造成电力供应中断的风险,且新建铁塔工程成本较高,故将该类输电铁塔加固后继续使用是一个合理选择。因此,相关学者对输电铁塔加固进行了较为深入的研究。文献[1]到文献[3]对输电铁塔双角钢加固构件的受压性能进行了试验研究,因受试验条件、试验时间等各方面的限制不易全方位展开研究。文献[4]到文献[7]对加固构件的加固效果进行了数值仿真研究,文献[8]和文献[9]采用建立数学模型的方法来计算预测组合截面压弯构件的极限承载力,但数值仿真结果存在较大的人为影响,且数学模型存在精度较低、参数不易确定和适用范围有限等缺陷。BP神经网络在预测方面具有明显的优势,文献[10]采用BP神经网络对风电功率进行了预测,文献[11]基于神经网络对受损钢结构变电构架承载能力进行了预测,然而采用BP神经网络模型对输电铁塔加固构件的极限承载力进行预测研究较少。

本文选取文献[12]的实测数据,建立了8-5-1拓扑结构输电铁塔加固构件极限承载力的BP神经网络模型;采用建立的BP神经网络模型进行了预测,并将预测结果与文献[13]进行对比,验证了该模型的准确性。

1 加固方案及样本数据

文献[12]是在试验验证的前提下建立了有限元模型,数据具有较高的真实性,其加固构件的剖面如图1所示,单肢连接加固构件如图2所示。

图1 加固构件剖面

图2 单肢连接加固构件

针对单肢连接加固构件,本文主要研究了长细比、宽厚比、紧固件间距(或紧固件数量)、螺栓预紧力、夹具厚度、材料强度和加固角钢肢厚等参数变量对加固效果的影响,并且根据两端固接的边界条件,在AN⁃SYS软件中设定了下端板节点约束x、y、z 3个方向自由度,上端板节点约束x、y向自由度、释放z向自由度,并在上端面施加节点均布荷载。单肢连接的原单角钢为偏心受压构件,加固后的组合截面为压弯构件。

待预测构件的参数信息汇总如表1所示。表中给出了影响构件极限承载力的长细比、原材截面等9个参数变量。构件编号中L6308表示采用的原材角钢型号为∟63×8,E200表示构件的长细比为200。

表1 待预测构件参数信息汇总

2 BP神经网络预测

利用文献[12]中220组单肢连接的双角钢箱形组合截面压弯构件的有限元仿真数据作为BP神经网络样本数据,随机抽取22组作为测试样本,剩余的198组作为训练样本。模型采用3层前向BP神经网络,以原角钢长细比、原角钢惯性矩、加固角钢惯性矩、夹具数量、原角钢强度、夹具厚度、螺栓预紧力和偏心距等8个参数变量为输入层,以加固构件极限承载力为输出层,隐含层神经元个数M按式(1)计算。BP神经网络的拓扑结构如图3所示。

图3 BP神经网络模型拓扑结构

式中:n为输入层神经元数;m为输出层神经元数;a0为待定常数。

由式(1)可计算出隐含层神经元数的范围为[5,14]。将隐含层神经元逐次递增并多次试算,结果表明,当隐含层神经元数为5时,预测值与试验值之间的最大相对误差最小,因此隐含层神经元数取5。

用相关系数r表征输电铁塔加固构件极限承载力的BP神经网络模型预测结果与文献[12]数据之间的相关程度,其表达式为:

式中:Qi和Qj为试验值与预测值为试验值与预测值的平均值。

3 DL/T 5154—2012预测

在DL/T 5154—2012《架空输电线路杆塔结构设计技术规定》中,压弯构件的稳定承载力计算公式为:

式中:N为轴压力;e为形心到虚轴y的距离;W为截面抵抗矩;NEX为构件受弯时的抗弯刚度,计算方法如式(4)所示;E为弹性模量;λ为构件绕支座转动轴的长细比;A为构件毛截面面积;f为钢材屈服强度;φ为构件稳定系数,由规范DL/T 5154—2012附录C确定;mN为压杆稳定强度折减系数,由角翼缘板自由外伸宽度b与厚度t之比计算确定。

表2对BP神经网络极限承载力预测值与规范DL/T 5154—2012进行了对比,表3为两种预测方法的计算结果对比,其中PC为预测值,PF为文献[12]实测值。图4对两种预测模型的可靠性进行了检验,对预测值和文献[12]实测值进行了一次多项式拟合,并与直线y=x进行了对比,可以看出BP神经网络的预测结果可靠性明显高于规范DL/T 5154—2012。

表2 BP神经网络极限承载力预测值与DL/T 5154—2012预测结果对比

图4 预测模型可靠性检验

表3 两种计算方法承载力计算结果对比

4 结论

针对铁塔加固的现实需求及规范DL/T 5154—2012预测加固构件承载力偏低的问题,本文采用文献[12]的研究数据,建立BP神经网络模型对双角钢组合截面加固构件的极限承载力进行了预测,并与规范DL/T 5154—2012的预测结果进行了对比,主要得出以下结论:

1)BP神经网络模型可以精确预测输电铁塔加固构件的极限承载力,可作为相关工程设计、试验研究和数值分析的辅助手段。

2)未来可考虑建立大型BP神经网络预测数据库,通过输入构件的参数来预测构件的力学性能,从而避免繁琐复杂的人工计算,提高生产效率。

猜你喜欢

角钢铁塔预测值
东方铁塔:氯化钾产品供应紧张
热轧耐候角钢塔结构设计研究及全寿命周期成本分析
基于宏观损伤的锈蚀角钢蚀余承载力评估方法
贴片误差和扭矩对输电铁塔角钢应变数据的影响
加拿大农业部下调2021/22年度油菜籽和小麦产量预测值
AI讲座:ML的分类方法
磁与铁的故事
自体荧光内镜对消化道肿瘤诊断临床应用分析
刍议电力铁塔的专用角钢性能
铁塔公司将承建10万个4G铁塔 出租或年入400亿