2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩93頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、由于工程結(jié)構(gòu)材料自身的老化、環(huán)境因素的影響、缺乏正常維護(hù)、使用荷載的變化和結(jié)構(gòu)損傷累積,大量工業(yè)與民用建筑和各種社會基礎(chǔ)設(shè)施在長期的服役過程中不可避免地存在性能退化和在極端情況下失效引發(fā)突發(fā)性災(zāi)難的可能性?;诮Y(jié)構(gòu)的監(jiān)測數(shù)據(jù),對其使用性能和安全性進(jìn)行評估已經(jīng)成為國際土木工程界面臨的一項(xiàng)緊迫課題,結(jié)構(gòu)參數(shù)識別是其關(guān)鍵和核心問題之一。 作為一種非參數(shù)模型化方法,人工神經(jīng)網(wǎng)絡(luò)具有以任意精度逼近任何線性和非線性函數(shù)關(guān)系的能力而在土木工程

2、結(jié)構(gòu)的時(shí)域識別和模型化中得到了廣泛的應(yīng)用。另一方面,作為一種時(shí)域線性回歸方法,自回歸滑動平均模型(ARMA模型)也可被用于識別的結(jié)構(gòu)參數(shù)識別。本文通過結(jié)構(gòu)運(yùn)動方程的離散解證明了人工神經(jīng)網(wǎng)絡(luò)和ARMA模型的等效性,提出了一種基于神經(jīng)網(wǎng)絡(luò)和ARMA模型的新的參數(shù)識別方法,通過數(shù)值模擬和實(shí)驗(yàn)室模型試驗(yàn)驗(yàn)證了該方法的可靠性。 本文的主要內(nèi)容如下: 1.在回顧典型的結(jié)構(gòu)參數(shù)識別方法的基礎(chǔ)上,介紹人工神經(jīng)網(wǎng)絡(luò)和ARMA模型這兩種時(shí)域

3、識別方法的原理。通過結(jié)構(gòu)運(yùn)動方程的離散解證明了它們具有相同的物理意義。 2.提出了一種基于神經(jīng)網(wǎng)絡(luò)和ARMA模型直接運(yùn)用激勵和結(jié)構(gòu)動力響應(yīng)時(shí)間序列的新型結(jié)構(gòu)參數(shù)識別方法。對本方法的實(shí)現(xiàn)過程進(jìn)行了闡述,并用MATLAB編制了相關(guān)的程序。 3.通過一個多自由度數(shù)值模型在各種不同形式激勵下的加速度響應(yīng)和激勵力時(shí)間序列,識別了模型結(jié)構(gòu)的參數(shù),驗(yàn)證了本方法的可行性。數(shù)值模擬結(jié)果表明,該方法可以較為精確識別結(jié)構(gòu)的剛度、阻尼參數(shù)。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論