人工神经网络在地震激励下结构动力稳定性预测中的应用

摘要

本文借鉴人工神经网络和小波理论在结构损伤领域的应用方法，提出了两种基于神经网络的动力稳定性预测方法，即基于PNN(ProbabilisticNeural Network)的结构动力稳定性离线预测方法和基于P-RAN(Resource-Allocating Network)的结构动力稳定性在线预测方法。前者可以应用于设计过程中的结构动力稳定承载能力预测，通过已知的一系列荷载作用下的结构动力稳定特性，来预测结构在其它荷载作用下的结构动力稳定特性。后者可以应用于结构使用阶段在线健康监测和智能控制，通过预测出结构未来时刻的响应，便可根据预先设定的动力失稳判别标准来预测结构未来动力稳定的变化趋势。 运用基于PNN的结构动力稳定性离线预测方法对一含有随机缺陷的72杆歌德斯克扁网壳在地震作用下的动力稳定性进行预测。以地震波的波形和加速度峰值作为特征参数，使用小波能量算法提取地震波的能量特征，并以结构整体动力失稳、局部动力失稳和动力稳定为识别模式，进行PNN的训练和预测。预测一致率达到75％，有效率达到95％。对于相同类型地震波的其它峰值，预测有效率达到了100％，对于不同类型的地震波，预测有效率稍低，达到92.3％，但一致率为61.5％。结果同时显示出训练样本的数量和组成是影响网络性能的重要因素。 另外，对P-RAN算法提出了三点改进：(1)采用K-聚类算法对网络进行初始化，(2)降低单样本学习噪声污染的改进，(3)删除节点策略的改进，并运用基于P-RAN的结构动力稳定性在线预测方法，对某24杆扁网壳试验数据进行分析，发现改进后的P-RAN算法能够很好地根据历史数据预测结构未来时刻的响应。结果表明P-RAN算法响应快、预测误差小，在此基础上能够应用失稳准则进行结构动力失稳的有效判断。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章绪论

1.1本课题的提出和设想

1.2人工神经网络在土木工程领域的应用现状

1.3小波理论在土木工程领域的应用现状

1.4复杂荷载作用下结构动力稳定性的研究

1.5本文的主要研究内容及研究思路

第2章人工神经网络和小波分析理论

2.1人工神经网络概述

2.1.1神经网络的发展概况

2.1.2神经网络的工作原理

2.2径向基函数神经网络

2.2.1网络结构

2.2.2学习算法

2.3径向基函数神经网络的一种有效在线学习算法(P-RAN)

2.3.1概述

2.3.2网络结构及原理分析

2.4概率神经网络

2.4.1概述

2.4.2网络结构

2.5神经网络数据的前后处理

2.6小波分析

2.6.1概述

2.6.2多分辨率分析

2.6.3小波分析对振动信号动力特性的提取

第3章基于概率神经网络的结构动力稳定特性的预测方法

3.1概述

3.2基于概率神经网络的动力稳定性的预测方法

3.2.1地震波小波能量特征提取

3.2.2预测方法描述

3.3算例

3.3.1问题描述

3.3.2数据准备

3.3.3基于概率神经网络的预测

3.3.4预测结果分析

3.4本章小结

第4章基于改进P-RAN算法的结构动力稳定特性预测算法

4.1概述

4.2基于改进P-RAN算法的动力稳定性的预测方法

4.2.1 P-RAN算法的改进

4.2.2改进后P-RAN算法的性能分析

4.2.3预测方法描述

4.3算例

4.3.1概述

4.3.2试验模型的设计

4.3.3试验数据分析及P-RAN算法预测

4.4小波分析对结构失稳信号的提取

4.5本章小结

第5章结语

参考文献

附录A基于ANSYS的单层扁网壳稳定性判别

A.1模型建立

A.2数据分析

A.2.1峰值为0.7g的情况

A.2.2峰值为0.5g的情况

A.2.3峰值为0.3g的情况

A.3小结

致谢