基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正

基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正

ID:34674028

大小:3.04 MB

页数:103页

时间:2019-03-09

基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正_第1页
基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正_第2页
基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正_第3页
基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正_第4页
基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正_第5页
资源描述:

《基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:U4410710-2015121115硕士学位论文基于不同神经网络对已加固刚架拱桥静力有限元模型的参数识别及修正张可赞导师姓名职称任更锋副教授申请学位类别硕士学科专业名称桥梁与隧道工程论文提交日期2018年4月16日论文答辩日期2018年5月13日学位授予单位长安大学ReinforcementofrigidframearchbridgebasedondifferentneuralnetworksParameteridentificationandcorrectionofstaticfiniteelementmod

2、elAThesisSubmittedfortheDegreeofMasterCandidate:ZhangKezanSupervisor:Prof.RenGengfengChang’anUniversity,Xi’an,China摘要当前行业内,针对加固后的桥梁,由于各种简化和假定,依据设计资料建立的桥梁初始有限元模型的计算结果与试验测量结果之间往往存在不同程度的差异。本文在前人有限元模型修正研究工作的基础上,因遗传算法和神经网络在处理复杂非线性问题时极具优势,将遗传算法与BP神经网络结合提出了一种集成式的神经网络,引入

3、并改造生成式对抗神经网络(GenerativeAdversarialNetworks,GANs),分别将其用于桥梁结构静力有限元模型的参数识别与修正中。1、对有限元模型参数识别修正技术及神经网络在其中的应用、研究意义及现状进行了阐述。对有限元模型参数识别基本机理、有限元模型修正的不同类别、待修正参数的筛选、修正效果的评估、目标函数的构造作了介绍。2、引入神经网络。首先,对本文的两种神经网络基模型BP神经网络的机理进行了介绍,其次结合遗传算法与神经网络的各自优点,建立集成神经网络;基于当前在图像、语音领域应用效果显著的生成

4、式对抗神经网络,构造适用于本文的生成式对抗神经网络。3、使用Python语言中的机器学习算法库和深度学习算法库,搭建集成神经网络和生成式对抗神经网络。结合设计资料,搭建有限元模型,进行数值模型试验。引入均匀设计法构造神经网络所需的训练数据,同时对样本数据扰动,分阶段预训练和微调神经网络。通过数值模拟试验,证明该方法的合理性和应用价值。4、根据对已加固刚架拱桥的静载试验数据、加固方案,利用Midas/FEA有限元软件建立有限元计算模型,提取相关荷载作用下模型响应数据。结合静载试验数据,搭建集成神经网络、生成式对抗神经网络,

5、构造训练数据,调试网络模型,依据实测数据,输出预测结果,实现有限元模型参数识别与修正。在此基础上,将结构进行合理分段,对其参数细化识别修正。结果表明,最终经参数分段识别修正的有限元模型计算结果精度明显提高,在特定荷载工况下,经不同神经网络识别修正的已加固刚架拱桥有限元模型可精确反映其受力状况。可为今后该结构的技术状况评估提供了一个精确的有限元计算模型,为结构加固效果、承载能力评估提供了参考。关键词:已加固刚架拱桥,集成神经网络,生成式对抗神经网络,模型参数识别修正,均匀设计方法iAbstractInthecurrenti

6、ndustry,duetovarioussimplificationandassumptions,thestaticanddynamicresponsesoftheinitialfiniteelementmodelofbridgebasedonthedesigndatahavedifferentdegreesofdifferencebetweentheexperimentalresultsandthoseofthereinforcedbridges.Basedonthepreviousresearchworkoffini

7、teelementmodelmodification,geneticalgorithmandneuralnetworkareveryadvantageousindealingwithcomplexnonlinearproblems,combininggeneticalgorithmwithBPneuralnetwork,akindofintegratedneuralnetworkisproposed,andthegeneration-typeantagonismneuralnetworkisintroducedandre

8、constructed(GenerativeAdversarialNetworks,gans)isusedintheparameteridentificationandcorrectionofthestaticfiniteelementmodelofthebridgestructurerespectively.1.T

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。