本文選題：混合試驗　切入點：神經(jīng)網(wǎng)絡(luò)　出處：《黑龍江科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：混合試驗是最近幾年新型的將數(shù)值模擬與真實加載試驗相結(jié)合的結(jié)構(gòu)抗震試驗方法,得到了相關(guān)研究者們的廣泛關(guān)注�；旌显囼炛�,一般將結(jié)構(gòu)中關(guān)鍵部位作為試驗子結(jié)構(gòu)進(jìn)行試驗,其他部位作為數(shù)值子結(jié)構(gòu)進(jìn)行數(shù)值模擬。為了模擬具有強(qiáng)非線性的數(shù)值子結(jié)構(gòu),本文提出一種采用在線神經(jīng)網(wǎng)絡(luò)算法,并進(jìn)行了防屈曲支撐構(gòu)件試驗的恢復(fù)力模型在線預(yù)測,最后提出了基于在線神經(jīng)網(wǎng)絡(luò)算法的混合試驗方法。具體研究內(nèi)容如下:1、提出一種在線BP神經(jīng)網(wǎng)絡(luò)算法,在線預(yù)測非線性結(jié)構(gòu)恢復(fù)力。針對兩個自由度非線性結(jié)構(gòu),進(jìn)行了Bouc-Wen模型的恢復(fù)力預(yù)測,驗證了在線神經(jīng)網(wǎng)絡(luò)算法的有效性。分析了樣本數(shù)量以及目標(biāo)誤差對預(yù)測精度和計算耗時的影響。研究表明:與傳統(tǒng)離線學(xué)習(xí)方式算法相比,在線BP神經(jīng)網(wǎng)絡(luò)提高了算法計算效率和預(yù)測精度。2、基于遞推形式的在線Elman神經(jīng)網(wǎng)絡(luò)的防屈曲支撐構(gòu)件試驗,研究表明:基于遞推形式的Elman神經(jīng)網(wǎng)絡(luò)算法具有較好的實時性和動態(tài)性,能夠有效提高恢復(fù)力預(yù)測精度。3、基于在線神經(jīng)網(wǎng)絡(luò)算法的混合試驗方法,通過兩層非線性模擬結(jié)構(gòu)的混合試驗數(shù)值預(yù)測得出該方法的可行性。試驗結(jié)果表明,與在線BP網(wǎng)絡(luò)算法相比,在線Elman算法具有更好的自適應(yīng)性,能夠有效提高恢復(fù)力預(yù)測精度和計算效率;基于在線Elman算法的結(jié)構(gòu)混合試驗方法可以提高混合試驗結(jié)果精度。
[Abstract]:Hybrid test is a new seismic test method combining numerical simulation and real load test in recent years, which has been paid much attention by researchers concerned. In order to simulate the numerical substructure with strong nonlinearity, an on-line neural network algorithm is proposed to simulate the key parts of the structure as experimental substructures and other parts as numerical substructures. Finally, a hybrid test method based on on-line neural network algorithm is proposed. The specific research contents are as follows: 1, an online BP neural network algorithm is proposed. The Bouc-Wen model is used to predict the restoring force of nonlinear structures with two degrees of freedom. The effect of sample size and target error on prediction accuracy and computation time is analyzed. The results show that the proposed algorithm is more effective than the traditional off-line learning algorithm. The calculation efficiency and prediction accuracy of the algorithm are improved by on-line BP neural network. The buckling bracing test of on-line Elman neural network based on recursive form is carried out. The results show that the Elman neural network algorithm based on recursive form has better real-time and dynamic characteristics, and can effectively improve the prediction accuracy of recovery force. The hybrid test method based on on-line neural network algorithm is proposed. The feasibility of this method is obtained by numerical prediction of mixed experiments of two-layer nonlinear simulation structure. The experimental results show that the on-line Elman algorithm is more adaptive than the on-line BP network algorithm. It can effectively improve the prediction accuracy and computational efficiency of the restoring force, and the hybrid structure test method based on online Elman algorithm can improve the accuracy of the mixed test results.
【學(xué)位授予單位】：黑龍江科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TU352.11

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 司景萍;馬繼昌;牛家驊;王二毛;;基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J];振動與沖擊;2017年04期

2 郭姣姣;劉偉;翟瑋昊;稅朗泉;趙海龍;;隨機(jī)故障注入結(jié)合神經(jīng)網(wǎng)絡(luò)法的機(jī)電系統(tǒng)可靠性計算方法[J];機(jī)械工程學(xué)報;2017年06期

3 李鳴;張鴻;;基于卷積神經(jīng)網(wǎng)絡(luò)迭代優(yōu)化的圖像分類算法[J];計算機(jī)工程與設(shè)計;2017年01期

4 肖進(jìn)勝;劉恩雨;朱力;雷俊鋒;;改進(jìn)的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法[J];光學(xué)學(xué)報;2017年03期

5 曾聰;許國山;張樹偉;王濤;耿悅;吳斌;;力-位移混合控制方法在大型多功能試驗加載系統(tǒng)擬靜力試驗中的應(yīng)用[J];振動與沖擊;2016年07期

6 楊格;王貞;吳斌;楊婧;許國山;陳永盛;;建筑結(jié)構(gòu)混合試驗平臺HyTest開發(fā)研究[J];建筑結(jié)構(gòu)學(xué)報;2015年11期

7 劉智斌;曾曉勤;劉惠義;儲榮;;基于BP神經(jīng)網(wǎng)絡(luò)的雙層啟發(fā)式強(qiáng)化學(xué)習(xí)方法[J];計算機(jī)研究與發(fā)展;2015年03期

8 羅建春;晁勤;羅洪;冉鴻;楊杰;羅慶;阿里努爾·阿木提;;基于LVQ-GA-BP神經(jīng)網(wǎng)絡(luò)光伏電站出力短期預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2014年13期

9 尹東陽;盛義發(fā);蔣明潔;李永勝;謝曲天;;基于粗糙集理論-主成分分析的Elman神經(jīng)網(wǎng)絡(luò)短期風(fēng)速預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2014年11期

10 朱堅民;沈正強(qiáng);李孝茹;齊北川;;基于神經(jīng)網(wǎng)絡(luò)反饋補(bǔ)償控制的磁懸浮球位置控制[J];儀器儀表學(xué)報;2014年05期

相關(guān)博士學(xué)位論文 前6條

1 王濤;基于模型更新的土木結(jié)構(gòu)混合試驗方法[D];哈爾濱工業(yè)大學(xué);2014年

2 王貞;實時混合試驗的控制和時間積分算法[D];哈爾濱工業(yè)大學(xué);2012年

3 鄧?yán)?子結(jié)構(gòu)試驗的數(shù)值穩(wěn)定性分析[D];哈爾濱工業(yè)大學(xué);2011年

4 陳再現(xiàn);框支配筋砌塊短肢砌體結(jié)構(gòu)擬動力子結(jié)構(gòu)試驗研究[D];哈爾濱工業(yè)大學(xué);2009年

5 陸鐵堅;高層建筑筒體結(jié)構(gòu)理論分析及擬動力試驗研究[D];中南大學(xué);2008年

6 陳伯望;筒體結(jié)構(gòu)擬動力試驗及理論研究[D];湖南大學(xué);2007年

相關(guān)碩士學(xué)位論文 前4條

1 張健;自適應(yīng)子結(jié)構(gòu)擬動力試驗方法[D];哈爾濱工業(yè)大學(xué);2010年

2 章莉莉;基于位移響應(yīng)時程的結(jié)構(gòu)參數(shù)與損傷識別研究[D];湖南大學(xué);2009年

3 郭軍慧;大跨空間網(wǎng)格結(jié)構(gòu)風(fēng)振的神經(jīng)網(wǎng)絡(luò)控制研究[D];上海交通大學(xué);2008年

4 吳波;基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)地震反應(yīng)仿真與系統(tǒng)辨識[D];重慶大學(xué);2003年

，

本文編號：1642511