基于神经网络的空间网架结构有限元模型修正

基于神经网络的空间网架结构有限元模型修正

ID:36654079

大小:1.98 MB

页数:78页

时间:2019-05-13

基于神经网络的空间网架结构有限元模型修正_第1页
基于神经网络的空间网架结构有限元模型修正_第2页
基于神经网络的空间网架结构有限元模型修正_第3页
基于神经网络的空间网架结构有限元模型修正_第4页
基于神经网络的空间网架结构有限元模型修正_第5页
资源描述:

《基于神经网络的空间网架结构有限元模型修正》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、武汉理工大学硕士学位论文基于神经网络的空间网架结构有限元模型修正姓名:谭冬梅申请学位级别:硕士专业:结构工程指导教师:瞿伟廉2003.5.1摘要现代的许多土木结构正不断向大型化、复杂化方向发展,新型结构也不断出现,同时,我国在役结构物中有许多建筑物存在不同程度损伤或结构已经进入服役后期,急需损伤鉴定与维修加固,因此结构损伤诊断方法的研究成为新世纪土木工程领域的一个前沿研究热点。对建筑结构进行动力响应预测、振动控制和结构状态评估及健康监测,首先必需详细了解结构的动力特性。结构的动力特性和结构参数直接相关,这些模态特性可以通过有限元分析得到其理论值,也可以由实验

2、模态分析得到其实测值。由于结构的损伤将引起相应动力特性的改变,结构自振频率的实测值与有限元理论值之间常常存在较大的差异,则需要解决的问题是如何修正结构的有限元模型,使得结构模态特性的理论值趋近于实测值。神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点,非常适合于结构有限元模型修正。但实验数据不完备、结构损伤标识量的选取、神经网络的选定等问题没有得到很好的解决。本文的工程背景为深圳市民中心屋顶网架的健康监测。以工程中广泛应用的网架结构为对象,针对其节点固结系数,利用结构的频率与模态变化量为损伤标识量,研究了神经网络方法在结构有限元模型修正中的应

3、用。本文建立了节点连接刚度发生变化的网架结构的三维有限元模型,定义了固结系数来描述节点的单元刚度变化,研究了用于振动测试的加速度传感器的优化配置与网架结构模态参数的实测方法。本文提出了基于神经网络对网架结构有限元模型进行修正的方法。首先确定网架结构以固结系数表示的三维空间有限元模型,根据单元刚度矩阵中的固结系数的变化,建立固结系数与结构动力特性的关系。其次,根据损伤后的结构频率与模态的变化,应用径向基神经网络,进行结构节点固结系数的识别,从而实现对网架结构有限元模型的修正。根据本文的研究可以得知,径向基神经网络可以很好的用于结构有限元模型的修正,利用频率与模

4、态作为损伤标识量,改善单纯频率作为损伤标识量对结构损伤不敏感的特点,完全可以实现基于神经网络的对网架结构的有限元模型修正。关键词:网架结构;神经网络;固结系数ABSTRACTSincemoreandmorestructuresarebecominglargerandmorecomplexthanbefore,therearemanynewstructuresinmodemtime.Atthesametime,therearevariousdamageinmanyexistedstructures,andtheyhavebeenusedforseveralde

5、cadesandaletobesurveyedandstrengthened.Therefore,stmcturaldamagediagnosishasbecomeoneoftheadvancingfrontsofcivilengineeringresearches.Toforecaststructuralresponse、vibrationcontrol、stateevaluationandhealthmonitor,thefirstthingistoknowthestructuraldynamiccharacteristic.Stmcturaldynam

6、iccharacteristicisrelatedtostructuralparameter,itstheoryvaluecanbegainedbyfiniteelementmodel(FEM)analysis,itspracticevaluecanbeachievedbyexperimentmodalanalysis.Sincethestructuraldynamiccharacteristicischangedforitsdamage,thelargedifferenceofstructuralfrequencyisexistedbetweentheth

7、eoryvalueandthepracticevalue.TheproblemthatistoberesolvedishowtocorrectstructuralFEMtomakethetheoryvalueequaltothepracticevalue.neuralnetworktechniqueisadaptedtotheFEMcorrectionforitsstrongnon—linearmappingability、rapidcomputationandanti—interferencecapability.Buttherearestillsomep

8、roblemstobesolvedsuchassel

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。