版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、由于工程結(jié)構(gòu)材料自身的老化、環(huán)境因素的影響、缺乏正常維護(hù)、使用荷載的變化和結(jié)構(gòu)損傷累積,大量工業(yè)與民用建筑和各種社會(huì)基礎(chǔ)設(shè)施在長(zhǎng)期的服役過(guò)程中不可避免地存在性能退化和在極端情況下失效引發(fā)突發(fā)性災(zāi)難的可能性。基于結(jié)構(gòu)的監(jiān)測(cè)數(shù)據(jù),對(duì)其使用性能和安全性進(jìn)行評(píng)估已經(jīng)成為國(guó)際土木工程界面臨的一項(xiàng)緊迫課題,結(jié)構(gòu)參數(shù)識(shí)別是其關(guān)鍵和核心問(wèn)題之一。 作為一種非參數(shù)模型化方法,人工神經(jīng)網(wǎng)絡(luò)具有以任意精度逼近任何線性和非線性函數(shù)關(guān)系的能力而在土木工程
2、結(jié)構(gòu)的時(shí)域識(shí)別和模型化中得到了廣泛的應(yīng)用。另一方面,作為一種時(shí)域線性回歸方法,自回歸滑動(dòng)平均模型(ARMA模型)也可被用于識(shí)別的結(jié)構(gòu)參數(shù)識(shí)別。本文通過(guò)結(jié)構(gòu)運(yùn)動(dòng)方程的離散解證明了人工神經(jīng)網(wǎng)絡(luò)和ARMA模型的等效性,提出了一種基于神經(jīng)網(wǎng)絡(luò)和ARMA模型的新的參數(shù)識(shí)別方法,通過(guò)數(shù)值模擬和實(shí)驗(yàn)室模型試驗(yàn)驗(yàn)證了該方法的可靠性。 本文的主要內(nèi)容如下: 1.在回顧典型的結(jié)構(gòu)參數(shù)識(shí)別方法的基礎(chǔ)上,介紹人工神經(jīng)網(wǎng)絡(luò)和ARMA模型這兩種時(shí)域
3、識(shí)別方法的原理。通過(guò)結(jié)構(gòu)運(yùn)動(dòng)方程的離散解證明了它們具有相同的物理意義。 2.提出了一種基于神經(jīng)網(wǎng)絡(luò)和ARMA模型直接運(yùn)用激勵(lì)和結(jié)構(gòu)動(dòng)力響應(yīng)時(shí)間序列的新型結(jié)構(gòu)參數(shù)識(shí)別方法。對(duì)本方法的實(shí)現(xiàn)過(guò)程進(jìn)行了闡述,并用MATLAB編制了相關(guān)的程序。 3.通過(guò)一個(gè)多自由度數(shù)值模型在各種不同形式激勵(lì)下的加速度響應(yīng)和激勵(lì)力時(shí)間序列,識(shí)別了模型結(jié)構(gòu)的參數(shù),驗(yàn)證了本方法的可行性。數(shù)值模擬結(jié)果表明,該方法可以較為精確識(shí)別結(jié)構(gòu)的剛度、阻尼參數(shù)。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的模態(tài)參數(shù)識(shí)別方法研究.pdf
- 基于模態(tài)參數(shù)小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的蘋(píng)果氣體識(shí)別方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的漢字分層識(shí)別方法研究.pdf
- 基于復(fù)合人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究.pdf
- 基于信息熵和神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別方法研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷遠(yuǎn)程智能識(shí)別方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和HMM的眉毛識(shí)別方法研究.pdf
- 基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法.pdf
- 基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的PCA人臉識(shí)別方法研究.pdf
- 基于AdaBoost和BP神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法研究.pdf
- 基于特征融合和神經(jīng)網(wǎng)絡(luò)的掌紋識(shí)別方法研究.pdf
- 基于稀疏表達(dá)和神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究.pdf
- 基于復(fù)合神經(jīng)網(wǎng)絡(luò)的掌紋識(shí)別方法的研究.pdf
- 基于柔度矩陣和神經(jīng)網(wǎng)絡(luò)的損傷識(shí)別方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的語(yǔ)音識(shí)別方法研究.pdf
- 基于脈沖神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)種識(shí)別方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的中醫(yī)脈象識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論