论文部分内容阅读
结构参数识别是目前结构工程学科中一个十分活跃的研究领域,正确的参数识别是结构动力与稳定设计的关键,基于神经网络的结构参数识别则是该领域的研究热点。结合目前参数识别的研究状况,本文进行了以下几个方面的研究工作:1.总结了目前国内外关于参数识别的三类方法——动力指纹法、模型修正法、神经网络法的理论和公式,并比较了各方法的优点和不足。2.对神经网络的发展状况、特点及其在结构工程中的应用进行了探讨,重点对BP神经网络和RBF神经网络的性能进行了分析,研究表明RBF神经网络可以用于钢框架结构进行参数识别。3.分别采用位移模态和曲率模态指标作为神经网络的输入参数,基于RBF神经网络对门式半刚性节点钢框架进行了参数识别,得出曲率模态对钢框架节点参数识别更为敏感。4.提出神经网络识别钢框架单元非线性受力特征参数(M-P-θ),在此基础上修正了非线性有限单元法和虚拟荷载法等高等稳定分析方法,并推导出基于神经网络的平面钢框架弹塑性稳定刚度矩阵。5.提出用RBF神经网络对半刚性节点(M-θ)进行参数识别,经研究表明用该神经网络模拟节点是可行的,并推导出基于神经网络的考虑半刚性节点平面钢框架弹塑性稳定刚度矩阵。通过上述工作,本文为神经网络应用于结构动力和稳定参数识别方面的进一步研究提供了基础。