隔震铅芯橡胶支座变形发热及其强度退化研究综述

铅芯橡胶支座（lead-rubber bearing,LRB）是目前应用最为广泛的减隔震装置,普遍应用于建筑、桥梁、储罐和核电站等结构,其抗震性能已在屡次地震中得以验证。当LRB承受大幅值的往复变形时,其力学性能受内部铅芯发热的影响而发生显著变化,主要表现在滞回耗能、特征强度和刚度的降低等方面。首先,总结了铅芯橡胶支座及其结构在以往地震中的震害情况,介绍了预测LRB内部铅芯变形发热和温度升高的理论及近似求解方法,以及基于试验和有限元的验证方法及注意事项;其次,概述了LRB因内部铅芯变形发热导致其强度退化的分析模型和强度退化对结构地震反应的影响;最后,归纳了隔震结构在进行模型试验时,铅芯橡胶支座的相似理论和缩尺问题。     

机器学习辅助隔震支座优化布置

针对如何快速确定隔震结构的最优隔震支座布置问题,使用机器学习辅助结构优化方法,采用人工神经网络构建了预测隔震结构设计参数与结构响应之间复杂关系的机器学习模型,以隔震结构响应最小为目标函数,用粗粒度并行遗传算法,得到隔震结构的最优支座布置。用一个实际隔震工程验证,结果表明：构建的人工神经网络模型对各结构响应参数的预测准确率均达到了92%以上,平均预测准确率达到93%,与精确计算的优化结果相比,用机器学习辅助隔震支座布置的优化结果平均误差为3%,加速比约为300,说明该方法具有很高的预测精度和计算效率。