(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210846143.9 (22)申请日 2022.07.19 (71)申请人 广州大学 地址 511442 广东省广州市番禺区广州大 学城外环西路23 0号 (72)发明人 郑文智　谭平　王浩　祝青鑫　 冼志彬　刘彦辉　谭佳俊　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 许小莉 (51)Int.Cl. E01D 19/04(2006.01) E04B 1/36(2006.01) E04B 1/98(2006.01) E04H 9/02(2006.01)G06F 30/23(2020.01) G06F 30/13(2020.01) (54)发明名称 一种结构SMA-韧性隔震支座减隔震优化设 计方法 (57)摘要 本发明公开了一种结构SMA ‑韧性隔震支座 减隔震优化 设计方法， 该方法首先建立了传统隔 震支座隔震结构模型与SMA ‑韧性隔震支座隔震 结构模型， 由所建立的模型确定基准响应， 进而 建立SMA屈服力Fys与基准力FR之间的关系， 以及 建立边墩/柱、 中墩/柱支座中SMA的屈服力公式， 计算SMA‑韧性隔震支座隔震结构地震峰值响应， 训练神经网络代理模型， 并以对应的基准响应为 基准值， 得到SMA ‑韧性隔震支座隔震结构的归一 化响应， 采用归一化响应的变化量建立优化目标 函数， 再采用遗传算法， 确定最优的缩放因子ai 与缩放比bj， 得到SMA最优参数。 该参数优化设计 方法能够实现性能与成本双指标的减隔震设计 目标。 权利要求书2页 说明书6页 附图5页 CN 115045182 A 2022.09.13 CN 115045182 A 1.一种结构SMA ‑韧性隔震支座减隔震优化设计方法， 其特征在于， 该方法包括如下步 骤： 第一步： 建立传统隔震支座隔震结构模型与SMA ‑韧性隔震支座隔震结构模型； 第二步： 对第一步建立的传统隔震支座隔震结构模型开展动力分析， 以传统隔震结构 上部结构的峰值 位移dR、 支座残余 位移Rb,R、 墩/柱剪力Fp,R、 墩/柱弯矩Mp,R为基准响应； 第三步： 选取基准响应中基准力的最大值Fp,R， 定义基准力FR为墩/柱峰值剪力Fp,R的 10％， 即FR＝0.1Fp,R； 第四步： 将隔震支座分为边墩/柱支座、 中墩/柱支座两类， 依据不同类型的SMA试验结 果确定SMA相变阶段的应 变硬化比α， 滞回相关参数β， 进 而确定SMA的屈服 位移dy； 第五步： 建立SMA屈服力Fys与基准力FR之间的关系， 即公式(1)， 其中ai∈(0,1]定义为缩 放因子， 即公式(2)(i ＝1， 2，…n)， n的取值依据设计精度需求确定， ai的增量为1/n； Fys＝aiFR (1) ai＝(1/n)·i (2) 第六步： 边墩/柱支座中SMA的屈服力Fys,sp由公式(3)计算， 其中bj∈[0,1]定义为缩放 比， 即公式(4)(j＝0， 1， …n)， n的取值依据设计精度需求确定， bj的增量为1/n； 中墩/柱支 座中SMA的屈服力Fys,mp利用公式(5)计算； Fys,sp＝bjFys (3) bj＝(1/n)·j (4) Fys,mp＝(1‑bj)Fys (5) 第七步： 开展不同缩放因子ai， 缩放比bj时SMA‑韧性隔震支座隔震结构地震响应分析， 得到对应的结构峰值响应， 包括： 上部结构峰值位移d、 支座残余位移Rb、 墩/柱剪力Fp、 墩/柱 弯矩Mp； 根据不同缩放因子ai、 缩放比bj的计算结果， 以缩放因子ai， 缩放比bj为输入， 以上部 结构峰值位移d、 支座残余位移Rb、 墩/柱剪力Fp、 墩/柱弯矩Mp为输出， 训练不同缩放因子ai， 缩放比bj与上部结构峰值位移d、 支座残余位移Rb、 墩/柱剪力Fp、 墩/柱弯矩Mp之间的神经网 络模型， 将训练完成的神经网络模型作为有限元模型的代理模型； 第八步： 以对应的基准响应中上部结构峰值位移dR、 支座残余位移Rb,R、 墩/柱底剪力 Fp,R、 墩/柱底弯矩Mp,R为基准值， 利用公式(6) ‑(9)计算得到缩放因子ai， 缩放比bj对应的归 一化响应： dNor,i＝di/dR (6) Rb,Nor,i＝Rb,i/Rb,R (7) Fp,Nor,i,j＝Fp,i,j/Fp,R (8) Mp,Nor,i,j＝Mp,i,j/Mp,R (9) 其中， dNor,i为归一化上部结构峰值位移， Rb,Nor,i为归一化支座残余位移， Fp,Nor,i,j为归 一化墩/柱剪力， Mp,Nor,i,j为归一化墩/柱弯矩， di为ai时上部结构峰值位移， Rb,i为ai时支座 残余位移， Fp,i,j为ai、 bj时墩/柱剪力， Mp,i,j为ai、 bj时墩/柱弯矩； 第九步： 以SMA总用量为目标函数， 定义约束条件(10) ‑(12)， 使归一化位移响应的减小 量ΔdNor,k， ΔRb,Nor,k与墩/柱地震力的增量ΔFp,k,l， ΔMp,k,l且归一化墩/柱增量ΔFp,Nor,k,l， ΔMp,Nor,k,l满足： max{ΔdNor,k+1,ΔRb,Nor,k+1}＜min{ΔdNor,k,ΔRb,Nor,k} (10)权　利　要　求　书 1/2 页 2 CN 115045182 A 2max{ΔFp,k,l,ΔMp,k,l}≤{0.1Fp,R,0.1Mp,R} (11) max{ΔdNor,k,ΔRb,Nor,k}≤min{ΔFp,Nor,k,l,ΔMp,Nor,k,l} (12) 其中， ΔdNor,k为归一化上部结构峰值位移减小量， ΔRb,Nor,k为归一化支座残余位移减 小量， ΔFp,k,l为墩/柱剪力增量， ΔMp,k,l为墩/柱弯矩增量， ΔFp,Nor,k,l为归一化墩/柱剪力 增量， ΔMp,Nor,k,l为归一化墩/柱弯矩增量； k ＝1， 2，…， i； l＝1， 2，…， j+1； 第十步： 以缩放因子ai， 缩放比bj作为遗传因子， SMA总用量为目标函数， 公式(10) ‑(12) 作为约束条件， 采用遗传算法优化缩放因子ai， 缩放比bj； 每个优化步中， 采用神经网络模型 作为代理模 型， 计算上部结构峰值位移d、 支座残 余位移Rb、 墩/柱剪力Fp、 墩/柱弯矩Mp； 得到 最优的缩放因子ai与缩放比bj后， 利用公式(1) ‑(5)得到SMA最优参数 Fys， Fys,sp， Fys,mp。 2.根据权利要求1所述的一种结构SMA ‑韧性隔震支座减 隔震参数设计方法， 特征在于： 第四步中将隔震支座分为边墩/柱支 座、 中墩/柱支 座两类， S MA相变阶段的应变硬化比α、 滞 回相关参数β 依据不同类型的SMA试验结果进行选取， α 采用0.0 5， β 采用0.4。 3.根据权利要求1所述的一种结构SMA ‑韧性隔震支座减 隔震参数设计方法， 特征在于： 第七步中， 采用 神经网络模型建立了带SMA ‑韧性隔震支座隔震结构的有限元代理模型， 所 述神经网络采用5层神经网络， 该网络包括输入层、 输出层、 3层隐藏层； 每个隐藏层 包含150 个隐藏单元； 此外， 采用Adam优化算法估计神经网络的超参数， 采用双曲正切函数作为激活 函数； 神经网络的最大训练代数设为500； 采用预测值与实测值之间的均方误差作为损失函 数； 将数据分为3部分， 其中， 80％的数据作为训练数据， 10％的数据作为验证数据， 剩余 10％的数据作为测试 数据， 将训练完成的神经网络模型作为有限元模型的代理模型。 4.根据权利要求1所述的一种结构SMA ‑韧性隔震支座减 隔震参数设计方法， 特征在于： 第七步至第十步中， 以S MA总用量为目标函数， 采用遗传算法和神经网络 建立了SMA ‑韧性隔 震支座参数自动寻优框架， 其中， 缩放因子ai和缩放比bj均采用二进制编码。权　利　要　求　书 2/2 页 3 CN 115045182 A 3