论文部分内容阅读
风灾是常见自然灾害之一,每年都会对我国及全球造成巨大损失。根据对风灾受损情况的统计,开洞低矮房屋破坏与倒塌尤为常见。为了解开洞低矮房屋易破坏区域,为其抗风设计提供依据,有必要对开洞低矮房屋的风荷载分布、风场流动等风场特性进行研究。基于数值模拟研究房屋风场特性是研究者必备手段,但在现有基于数值模拟的抗风研究中,不少学者是以稳态风场或特性较为简单的非稳态风场作为风速入口,该风场与真实风场存在差异,导致其部分结果缺乏有效性。良好的风速入口是抗风研究的必要条件,需利用合理手段生成满足要求的非稳态风场作为风速入口。考虑到目前风场生成方法仍存在缺陷,而生成式对抗网络(Generative Adversarial Network,GAN)作为人工智能领域较为重要的思想与方法,通过学习数据分布特性生成数据,具有良好的适应能力与生成数据能力。本文提出基于GAN生成风场,并以该风场作为风速入口研究开洞低矮房屋的风场特性。其中,由于GAN需要训练数据,考虑到实测风场数据的困难与匮乏,本文通过改进循环预前模拟法生成训练数据。本文主要研究内容与结论如下:1.根据循环预前模拟法中湍流度略低、频谱特性失真等不足,提出改进方法,即利用随机流场生成法(Discretizing and Synthesizing Random Flow Generation,DSRFG)生成非稳态风场作为初始风场。通过对网格划分尺度的分析,确定了合理划分方法。对改进效果进行了验证,并与目标风场从平均风剖面、湍流度剖面、湍流积分尺度、功率谱四个特性进行了对比,其结果表明改进后的循环预前模拟法效果好,其生成的风场特性与目标风场特性相接近。2.提出了基于GAN生成风场的实现方法。其主要步骤为:(1)通过改进循环预前模拟法生成数据训练两个GAN模型,即GAN?与GAN(35)?,前者用于生成单点相位谱,后者用于生成单位距离相位谱差值;(2)基于中心递进法利用GAN?、GAN(35)?的结果生成相位谱;(3)利用相位谱、幅值谱生成风场,其中幅值谱由功率谱计算得到。从数据分布角度定性评估了GAN结果质量;利用1-NN算法定量评估了GAN结果质量;从风场特性角度将GAN生成的风场与目标风场进行了对比验证。通过定性、定量及对比验证可得,基于GAN生成的数据分布与目标分布较接近、生成的风场特性与目标风场较接近。其中,在定量评估中,GAN(35)?平均1-NN准确率为0.467,GAN?平均1-NN准确率为0.518,1-NN准确率理想值为0.5,说明GAN(35)?与GAN?生成数据效果较好。3.采用CFD模拟对开洞低矮房屋风场特性进行了研究,其中风速入口为基于GAN生成的非稳态入口。主要研究内容为风速入口、房屋通风、开洞尺寸、开洞位置对房屋风场特性的影响,其中风场特性包括风场流动、净风压系数、外风压系数、内风压系数、净风压脉动系数、极值风压系数。主要结论为:(1)以稳态风场作为风速入口会大大低估房屋风压,以本文计算工况为例,外风压系数低估约30%、净风压系数低估约9.8%、极值风压系数低估约50%;(2)在不同房屋通风工况中,单面开洞房屋整体受力最大,封闭房屋整体受力最小,前者净风压系数约为后者2.8倍、极值风压约为后者3.1倍;(3)房屋内风压系数、净风压系数、极值风压系数随迎风面开洞率增大而增大;(4)在不同开洞位置工况中,顺风面开洞整体受力最小,其顺风面、屋面、背风面净风压系数仅在0.2左右。本文创新点:1.改进循环预前模拟法,以DSRFG方法生成的非稳态风场作为初始风场,提高生成结果质量;2.在风场特性评价中,引入空计算域验证风场特性保持能力;3.基于GAN生成风场,该方法从数据特性角度生成风场,具有较强适应能力、生成结果质量较好;4.基于非稳态风速入口对开洞低矮房屋的风场特性进行数值模拟,提高结果可信度;研究了风速入口对开洞低矮房屋的影响,为研究者选择风速入口提供参考。