本文介绍了一项关于自适应梁弦结构（Adaptive Beam String Structure, ABSS）的研究，该研究由Yanbin Shen、Wucheng Xu、Yueyang Wang、Xuanhe Zhang、Xian Xu和Xiaoqing Zheng等人共同完成，研究团队主要来自浙江大学建筑工程学院、长三角创新中心以及浙江省空间结构重点实验室。该研究于2023年9月22日发表在《Engineering Structures》期刊上，文章编号为116905。
随着经济和技术的快速发展，大跨度空间结构在全球范围内得到了广泛应用。梁弦结构（Beam String Structure, BSS）作为一种典型的混合张力结构，具有合理的力学性能、较高的材料利用率、较短的施工周期以及美观的外形。然而，传统的BSS是静态结构，无法对外部荷载做出实时响应，导致结构重量大、材料消耗高。为了克服这一局限性，本研究提出了一种新型的自适应梁弦结构（ABSS），通过集成监测和控制系统，使其能够感知外部荷载并实时调整结构响应，从而实现内部力的最小化。
研究分为以下几个主要步骤：
ABSS的设计与优化控制模型
ABSS在传统BSS的基础上增加了监测和控制系统。监测系统包括多个传感器，用于实时测量结构的力学响应；控制系统则由主动支撑杆组成，通过调整支撑杆的长度来改善结构的力学性能。研究提出了基于内部力最小化的主动控制方法，结合了策略搜索算法（Strategy Search Algorithm, SSA）和策略预测网络（Strategy Prediction Network, SPN）。SSA是一种结合了遗传算法（Genetic Algorithm, GA）和梯度下降（Gradient Descent, GD）优点的全局搜索算法，而SPN则是基于反向传播学习算法（Backpropagation Learning Algorithm, BPLA）的人工神经网络（Artificial Neural Network, ANN）。
数值模拟与实验验证
研究设计并制作了一个缩小比例的ABSS模型，并通过数值模拟和现场实验验证了其有效性。数值模拟使用ANSYS软件建立了三维有限元模型，模拟了不同荷载条件下的结构响应。实验部分则通过加载不同工况下的荷载，测量了结构的应力、位移等力学响应，并与模拟结果进行了对比分析。
策略搜索算法与策略预测网络的开发
SSA通过结合GA的全局搜索能力和GD的局部收敛能力，能够快速找到最优控制策略。SPN则通过训练大量模拟数据，能够在实时条件下快速生成控制策略。研究通过对比SSA和GA在十种典型测试函数上的表现，验证了SSA在全局搜索和局部收敛方面的优越性。
ABSS的适应性验证
通过数值模拟和实验验证，ABSS能够有效感知外部荷载并实时调整结构响应，显著降低了梁的应力响应，并改善了应力分布。实验结果表明，ABSS在控制梁的最大应力和整体应力水平方面表现出色，应力最大值的降低幅度在50%至75%之间。
控制策略的有效性
SSA和SPN生成的控制策略在数值模拟和实验中均表现出良好的一致性。SPN的预测精度较高，能够实时生成有效的控制策略，确保ABSS在外部荷载变化时能够快速响应。
应力均匀化效果
研究还发现，ABSS通过结构自适应能够显著改善梁的应力分布，避免了应力集中现象。实验和模拟结果均表明，结构自适应能够使梁的应力分布更加均匀，从而提高材料的利用率。
本研究提出了一种新型的自适应梁弦结构（ABSS），并通过数值模拟和实验验证了其有效性。研究的主要结论包括： 1. ABSS通过集成传感器和执行器，能够实时感知外部荷载并快速响应，实现了结构的自适应。 2. 基于内部力最小化的控制方法能够有效降低梁的应力响应，并改善应力分布。 3. 通过策略搜索算法和策略预测网络，ABSS能够在实时条件下生成最优控制策略，确保结构在不同荷载条件下的最优运行。
该研究为大跨度空间结构的设计、制造和控制提供了新的思路和方法，具有重要的科学价值和应用前景。通过结构自适应，ABSS能够在服役期间实现最优运行，避免了潜在的风险和危机，为未来的工程结构设计提供了新的范式。
研究还详细讨论了ABSS在不同荷载条件下的力学响应，并通过对比传统BSS和ABSS的表现，进一步证明了ABSS在降低结构重量和材料消耗方面的优势。此外，研究还提出了未来在更大规模结构中的应用前景，为后续研究提供了方向。