基于径向基函数神经网络的高层建筑结构选型

提出了应用径向基函数神经网络进行高层结构体系的选型,它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点.研究表明,径向基函数神经网络运算速度较普通BP算法快103～104倍,并且精度高,可以高效、高质地进行高层建筑结构的选型.     

径向基函数神经网络预测城市用水量模型及应用

以城市用水人口和城市生产总值作为输入向量,年用水量数据作为目标向量,建立了径向基函数神经网络并对城市用水量进行预测。采用不同的扩展速度,预测误差不同。当扩展速度spread=1时,预测数据与实际数据的相对误差均小于0.05%,取得了很好的预测效果,说明采用径向基函数神经网络模型预测城市用水量的方法是可行的。     

基于径向基函数神经网络的铁路路径规划

通过合理路径规划实现高速铁路能量效率的优化是铁路运行中的重要研究内容。本文引入资格迹(eligibility trace)改进径向基函数(RBF)神经网络。在此基础上,使用改良的径向基函数(RBF)神经网络实现列车在复杂情况下的路径规划。     

神经网络在结构损伤识别中的应用

探讨了用神经网络对混凝土结构裂缝进行损伤识别和定位的方法,以一矩形截面悬臂梁为研究对象,通过完好结构和损伤结构的有限元分析,并进行了单处损伤和多处损伤的定位研究,数值仿真结果表明,该方法对于实际工程结构的损伤识别具有一定的指导意义。     

BP神经网络在桥梁结构损伤诊断中的应用

针对桥梁台后结构损伤分别进行了动力计算和静力试验,提出了采用BP神经网络进行结构损伤位置和程度的识别诊断研究,试验结果表明比较准确可信,该方法具有良好的应用前景。     

神经网络法在桥梁损伤识别中的应用

对神经网络法进行了简单的介绍,并从其工作原理及基本方法等方面着重对这种方法在桥梁结构损伤识别中的应用进行了阐述,为进一步研究神经网络理论提供了参考。     

嵌岩桩极限承载力的径向基函数神经网络（RBF）预测

文章采用径基函数（RBF）神经网络来预测嵌岩桩的极限承地菌,是人神经网络在解决岩土工程方面的一种新的尝试。结果表明,采用RBF网络预测嵌嵌岩桩极限录载力具有较高精度,克服了反向传播（BP网络收敛慢、局部极值等缺点。     

基于神经网络的管道损伤识别分析

利用有限元软件对管道模拟,获得模态参数作为神经网络的输入样本,采用BP,RBF网络的方法对损伤前后的某管道工程进行分析,对比并探讨两种方法在管道损伤识别中的训练结果,实现了对管道的损伤定位和损伤程度的识别。结果表明对于小样本径向基神经网络(RBF)较BP网络有较大的优势。     

岩石本构关系的径向基函数神经网络快速逼近模型

建立了径向基函数神经网络快速逼近模型 ,基于具体条件下岩石力学实验数据 ,对相应岩石的本构关系进行逼近 ,实例分析表明 ,该模型不仅对具体应力 -应变关系能够很好逼近和预测 ,而且逼近速度快、稳定性好 ,对岩石力学快速、高效数值方法的进一步发展具有重要参考价值。     

基于GRNN神经网络的桁架结构损伤识别的两步法

损伤识别方法是结构健康监测系统的重要组成部分。基于广义回归神经网络(GRNN)模型,建立了结构损伤识别的两步法,构造了用于损伤定位和损伤定量的不同损伤识别组合损伤指标,并引入模态应变能系数选择节点,最后,结合典型桁架结构进行了损伤识别数值模拟研究。结果表明,即使在只获得低阶频率和少量节点一阶振型数据且含有噪声的情况下,采用构造的组合参数,GRNN神经网络对损伤位置及损伤程度识别都取得了比较理想的识别效果。     

动力检测法在桥梁损伤识别中的应用

动力检测法作为一种高效而又准确的损伤识别方法在桥梁的健康监测中获得了越来越广泛的应用。首先叙述了损伤识别的基本内容;然后介绍了桥梁工程损伤识别中常用的方法-动力检测法;最后侧重阐述了动力检测法中的模式识别法、ARMA时序分析法以及神经网络方法。     

嵌岩桩极限承载力的预测--利用径向基函数神经网络(RBF)法

本文采用径向基函数（RBF）神经徕预测嵌岩桩的极限承载力,是人工神经网络在解决岩土工程方面的一种新的尝试。结果表明,采用RBF网络预测嵌岩桩极限承载力具有较高精度,确服了反向传播（BP）网络收敛慢,局部极值等缺点。     

基于神经网络的桥梁损伤识别研究综述

对人工神经网络的基本原理、特点以及与损伤识别的关系作了简要介绍,并重点介绍了损伤识别中常用的BP 神经网络的原理及其改进方法,以及国内外在基于神经网络的桥梁损伤识别应用方面的主要研究成果,最后对神经网络在桥梁损伤识别中的发展和应用作了展望。     

BP和RBF在桥梁损伤识别中的应用比较

本文通过某桥对应变、挠度、振动、温度和动态轴重五个方面的监测数据的处理,得到能够反映桥梁工作状态的几个相关特征参数,然后根据这些参数以及设定的损伤指标和损伤级别,分别进行BP和RBF神经网络的训练,经过比对两次的训练误差、收敛速度等方面,最终选用RBF神经网络来实现对桥跨结构的损伤评估。     

基于神经网络的结构损伤识别综述

简单介绍了神经网络技术及其分类方法,对使用神经网络进行斜拉桥损伤识别的基本流程进行了详细阐述,并分析了输入向量的选择优缺点,以期促进基于神经网络的结构损伤识别技术的推广应用。     

基于神经网络的结构损伤识别研究进展

为提高结构损伤识别方法的精确性和适用性,将神经网络引入到结构损伤识别中。介绍了神经网络的由来、原理和研究意义,概述了国内外基于神经网络的结构损伤识别研究进展。通过分析可以看,出用于结构损伤识别的神经网络方法有着广阔的应用前景。论文针对进一步研究的方向提出了建议。     

径向基网络在照度计算中的应用

介绍了将径向基网络运用照度计算当中,建立网络模型,在MATLAB环境下进行仿真的方法.与常规的照度计算方法相比,径向基网络计算获得的结果较为理想.     

BP神经网络在悬臂柱损伤位置识别中的应用

介绍了使用模态指标及神经网络进行结构损伤识别的方法。通过对悬臂柱进行损伤模拟,获得结构的模态参数,采用对损伤位置敏感的损伤指标,使用BP神经网络对悬臂柱的损伤位置进行识别,最终得到了有效的识别结果。     

RBF神经网络在结构振动半主动控制中的应用

利用RBF神经网络对建筑结构地震反应进行预测，设计了加入MR阻尼器的RBF神经网络半主动控制系统，利用Matlab进行仿真分析，结果表明该控制方案能够有效减少建筑结构的地震反应，并且很好的发挥了MR阻尼器的可控性。     

基于改进后的BP神经网络在混凝土桥梁损伤识别中的应用研究

混凝土桥梁的损伤识别与定位是目前的研究热点之一。本文在传统BP神经网络的基础上对其进行改进,并将改进后的BP神经网络应用在混凝土桥梁损伤定位与识别过程中。首先建立了识别桥梁的数值有限元模型,然后得到不同损伤情况下的桥梁自振频率和曲率模态值。将自振频率和曲率模态值作为改进后BP神经网络的输入参数,以有限元单模型中的损伤位置和损伤程度作为输出值,进而实现对桥梁结构的损伤定位和损伤识别。最后通过南京浦仪公路混凝土简支梁和连续梁为工程背景进行了验证。结果表明：采用改进后的BP神经网络可以很好的实现对桥梁的损伤定位和损伤程度的识别,并且具有很好的识别精度。即使在噪声存在的情况下,改进后的BP神经网络仍然可以达到很好的识别效果。