【摘要】：傳統(tǒng)的鋼框架連接不是剛接或理想鉸接,而是半剛性連接。為了獲取半剛性連接節(jié)點的真實性能,國內(nèi)外學者針對半剛性連接展開了大量的研究。由于目前的研究方法主要從單一變量的角度對半剛性節(jié)點進行研究,而忽略了變量之間的相關(guān)性對于半剛性節(jié)點的影響,在采用理論解析計算節(jié)點初始轉(zhuǎn)動剛度時仍存在較大的偏差。因此本文考慮應用神經(jīng)網(wǎng)絡(luò)良好的非線性映射能力以及對于樣本數(shù)據(jù)的學習能力,以半剛性節(jié)點數(shù)據(jù)庫為基礎(chǔ),從多變量的角度采用神經(jīng)網(wǎng)絡(luò)對半剛性端板連接節(jié)點的初始轉(zhuǎn)動剛度進行預測研究。本文的具體研究內(nèi)容如下:(1)通過對BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的研究,選用了具有最佳一致逼近性的RBF神經(jīng)網(wǎng)絡(luò)作為后續(xù)學習、預測的工具。提出了一種改進粒子群算法對RBF神經(jīng)網(wǎng)絡(luò)進行優(yōu)化,與傳統(tǒng)的遺傳算法和粒子群算法相比剛度預測結(jié)果具有良好的精度,同時能夠更好地表示節(jié)點之間剛度的變化趨勢。(2)針對神經(jīng)網(wǎng)絡(luò)輸入變量,通過已有的文獻和試驗研究初步確定了半剛性端板連接節(jié)點的柱、端板、螺栓和梁的幾何尺寸作為主要的神經(jīng)網(wǎng)絡(luò)輸入變量。提出了一種參數(shù)優(yōu)化后的核主成分分析方法對變量進行處理,相比于傳統(tǒng)的主成分分析方法能夠有效地提升RBF神經(jīng)網(wǎng)絡(luò)的預測精度。(3)針對半剛性端板連接節(jié)點暫無統(tǒng)一的的分類標準,本文引入了聚類的思想對節(jié)點樣本進行類別的劃分。提出了一種基于改進粒子群算法的模糊c均值聚類,相比于傳統(tǒng)的k均值聚類方法具有良好的穩(wěn)定性。(4)通過對三組半剛性端板連接節(jié)點的討論,應用神經(jīng)網(wǎng)絡(luò)優(yōu)化算法、聚類分析方法以及核主成分分析方法對初始轉(zhuǎn)動剛度進行預測研究,預測剛度和試驗剛度吻合較好,從而驗證了本文方法在半剛性節(jié)點初始轉(zhuǎn)動剛度預測中的有效性和實用性。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TU391

【參考文獻】

相關(guān)期刊論文 前10條

1 劉興杰;岑添云;鄭文書;米增強;;基于模糊粗糙集與改進聚類的神經(jīng)網(wǎng)絡(luò)風速預測[J];中國電機工程學報;2014年19期

2 張鑫源;胡曉敏;林盈;;遺傳算法和粒子群優(yōu)化算法的性能對比分析[J];計算機科學與探索;2014年01期

3 樓俊鋼;蔣云良;申情;江建慧;;軟件可靠性預測中不同核函數(shù)的預測能力評估[J];計算機學報;2013年06期

4 何東;劉瑞葉;;基于主成分分析的神經(jīng)網(wǎng)絡(luò)動態(tài)集成風功率超短期預測[J];電力系統(tǒng)保護與控制;2013年04期

5 朱艷偉;石新春;但揚清;李鵬;劉文穎;魏德冰;付超;;粒子群優(yōu)化算法在光伏陣列多峰最大功率點跟蹤中的應用[J];中國電機工程學報;2012年04期

6 石永久;王萌;王元清;施剛;;鋼框架端板連接半剛性節(jié)點受力性能分析[J];工程力學;2011年09期

7 周松林;茆美琴;蘇建徽;;基于主成分分析與人工神經(jīng)網(wǎng)絡(luò)的風電功率預測[J];電網(wǎng)技術(shù);2011年09期

8 梁勝杰;張志華;崔立林;;主成分分析法與核主成分分析法在機械噪聲數(shù)據(jù)降維中的應用比較[J];中國機械工程;2011年01期

9 朱海梅;吳永萍;;一種高速收斂粒子群優(yōu)化算法[J];控制與決策;2010年01期

10 劉蕊潔;張金波;劉銳;;模糊c均值聚類算法[J];重慶工學院學報(自然科學版);2008年02期

相關(guān)博士學位論文 前2條

1 董現(xiàn);多維相關(guān)參數(shù)模型近似和隨機分析方法研究及應用[D];華南理工大學;2015年

2 潘建榮;基于相關(guān)性的框架節(jié)點半剛性分析方法研究[D];汕頭大學;2009年

相關(guān)碩士學位論文 前1條

1 張佳寧;基于神經(jīng)網(wǎng)絡(luò)的城市交通流量預測模型研究[D];廣東工業(yè)大學;2016年

，

本文編號：2613837