基于神经网络模型的结构参数提取新方法

点击次数：

发表刊物：

工程力学

关键字：

BP神经网络; ARMA模型; 动力响应; 时间序列; 参数抽取; 非参数化模型; 参数化模型;

摘要：

参数识别是结构健康监测、性能评估的关键问题之一。作为一种代表性的动力系统时域参数化模型方法,自回归滑动平均(Auto-regressive and moving average,ARMA)模型在机械和土木工程结构的参数识别中得到了广泛应用;另一方面,尽管一般而言神经网络模型的权重和阈值并不需要具备明确的物理意义,但由于神经网络具有描述复杂函数关系的能力,作为一种非参数化模型方法在结构动力系统的建模和控制领域发挥重要作用。该文首先通过结构运动平衡方程的离散时间解,证明了非参数化神经网络模型与ARMA模型在描述线性结构动力系统的响应时间序列上的等效性,在此基础上,提出了一种从结构的非参数化神经网络模型中抽取结构物理参数的新方法。通过一个多自由度系统的数值模拟结果和一个四层钢框架模型的动力试验实测数据验证了所提出的结构参数抽取方法的有效性。

论文类型：

期刊论文

论文编号：

1000-4750(2011)04-0035-07

文献类型：

卷号：

期号：

页面范围：

35-41

是否译文：

否

CN号：

null

发表时间：

2011-04-14

收录刊物：

第一作者：

许斌,贺佳

合写作者：

龚安苏,Sami F Masri

附件：

基于神经网络模型的结构参数提取新方法_许斌.pdf

上一条：基于纤维模型的钢筋混凝土柱应变率效应研究

下一条： Dynamic load-displacement behavior of RC shear walls under different loading rates: Tests and Simulations