人工神經(jīng)網(wǎng)絡(luò)在地震激勵下結(jié)構(gòu)動力穩(wěn)定性預(yù)測中的應(yīng)用.pdf

1、本文借鑒人工神經(jīng)網(wǎng)絡(luò)和小波理論在結(jié)構(gòu)損傷領(lǐng)域的應(yīng)用方法，提出了兩種基于神經(jīng)網(wǎng)絡(luò)的動力穩(wěn)定性預(yù)測方法，即基于PNN(ProbabilisticNeural Network)的結(jié)構(gòu)動力穩(wěn)定性離線預(yù)測方法和基于P-RAN(Resource-Allocating Network)的結(jié)構(gòu)動力穩(wěn)定性在線預(yù)測方法。前者可以應(yīng)用于設(shè)計過程中的結(jié)構(gòu)動力穩(wěn)定承載能力預(yù)測，通過已知的一系列荷載作用下的結(jié)構(gòu)動力穩(wěn)定特性，來預(yù)測結(jié)構(gòu)在其它荷載作用下的結(jié)構(gòu)動力穩(wěn)定

2、特性。后者可以應(yīng)用于結(jié)構(gòu)使用階段在線健康監(jiān)測和智能控制，通過預(yù)測出結(jié)構(gòu)未來時刻的響應(yīng)，便可根據(jù)預(yù)先設(shè)定的動力失穩(wěn)判別標準來預(yù)測結(jié)構(gòu)未來動力穩(wěn)定的變化趨勢。 運用基于PNN的結(jié)構(gòu)動力穩(wěn)定性離線預(yù)測方法對一含有隨機缺陷的72桿歌德斯克扁網(wǎng)殼在地震作用下的動力穩(wěn)定性進行預(yù)測。以地震波的波形和加速度峰值作為特征參數(shù)，使用小波能量算法提取地震波的能量特征，并以結(jié)構(gòu)整體動力失穩(wěn)、局部動力失穩(wěn)和動力穩(wěn)定為識別模式，進行PNN的訓(xùn)練和預(yù)測。預(yù)測

3、一致率達到75％，有效率達到95％。對于相同類型地震波的其它峰值，預(yù)測有效率達到了100％，對于不同類型的地震波，預(yù)測有效率稍低，達到92.3％，但一致率為61.5％。結(jié)果同時顯示出訓(xùn)練樣本的數(shù)量和組成是影響網(wǎng)絡(luò)性能的重要因素。 另外，對P-RAN算法提出了三點改進：(1)采用K-聚類算法對網(wǎng)絡(luò)進行初始化，(2)降低單樣本學習噪聲污染的改進，(3)刪除節(jié)點策略的改進，并運用基于P-RAN的結(jié)構(gòu)動力穩(wěn)定性在線預(yù)測方法，對某24桿扁