52 / 2025-03-31 17:26:47

基于CNN-Attention-GRU神经网络的风车桥系统随机振动分析

风车桥系统,随机振动,神经网络

风-车-桥耦合系统不可避免地受到系统参数不确定性的影响，为研究载重和风速的随机性对风-车-桥耦合系统横向动力响应的影响，提出基于CNN-Attention-GRU的神经网络模型。首先，基于ANSYS和SIMPACK联合建立风-车-桥耦合系统力学模型，通过SIMPACK生成120个样本集作为代理模型的数据库。然后，对比CNN-Attention-GRU与CNN-Attention-BiLSTM、CNN-Attention-LSTM神经网络对列车和桥梁响应的预测精度。结果表明：CNN-Attention-GRU模型对列车和桥梁响应的预测精度高于CNN-Attention-BiLSTM模型，CNN-Attention-BiLSTM模型的预测精度高于CNN-Attention-LSTM模型；列车的行驶速度越大，对风-车-桥系统响应的影响越大，系统响应的标准差随车速的增大而增大。研究成果可为风-车-桥系统随机振动预测进一步研究提供依据和参考。