.png){kind=icon}
返回
Digital twin-based multi-objective parameter identification for a cable-stayed bridge
.png){kind=icon}
PRE
AI
DOI：10.1016/j.istruc.2026.111723.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于数字孪生的多目标优化框架用于斜拉桥结构参数识别，通过匹配频率、模态形状和挠度。该框架整合了三种技术：（1）自适应参考点重定位以维持不规则帕累托前沿的解多样性；（2）基于灵敏度的变异算子，将探索集中在具有显著影响的参数上；（3）混合局部搜索结合拟牛顿精化以加速收敛。该框架通过一个580米长的斜拉桥案例研究进行评估。实验结果表明，与NSGA-II和标准NSGA-III相比，参数识别误差减少了高达52%，总运行时间减少了25-35%。鲁棒性分析证实了该框架的可靠性，误差始终低于3%。这项研究有助于提升桥梁状态评估能力，从而增强结构监测和优化关键基础设施的维护策略。
Keyword:
Cable-stayed bridge
Structural parameter identification
Sensitivity analysis
Multi-objective optimization
Bridge condition assessment
期刊
IF:
4.3
论文数:
1.2W
被引数:
2.7W
机构
引用论文
Multi-objective optimization of cable force of arch bridge constructed by cable-stayed cantilever cast-in-situ method based on improved NSGA-II.png)
STRUCTURES
STRUCTURESIF4.3
PREAI
分享收藏Deep-learning-based noncontact cable vibration frequency identification by combining vision camera and 6-axis IMU sensor measurementsSTRUCTURES
STRUCTURESIF4.3
PREAI
分享收藏
查看更多内容