人工神經(jīng)網(wǎng)絡在地震激勵下結構動力穩(wěn)定性預測中的應用.pdf

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

2、特性。后者可以應用于結構使用階段在線健康監(jiān)測和智能控制，通過預測出結構未來時刻的響應，便可根據(jù)預先設定的動力失穩(wěn)判別標準來預測結構未來動力穩(wěn)定的變化趨勢。 運用基于PNN的結構動力穩(wěn)定性離線預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，并以結構整體動力失穩(wěn)、局部動力失穩(wěn)和動力穩(wěn)定為識別模式，進行PNN的訓練和預測。預測

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，預測有效率達到了100％，對于不同類型的地震波，預測有效率稍低，達到92.3％，但一致率為61.5％。結果同時顯示出訓練樣本的數(shù)量和組成是影響網(wǎng)絡性能的重要因素。 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的結構動力穩(wěn)定性在線預測方法，對某24桿扁