基于Simulink的结构动力响应预测仿真

基于Matlab/Simulink下神经网络工具箱功能进行在地震作用下的结构振动响应预测仿真。利用RBF神经网络对实时地震数据进行动力响应预测,能有效的解决在振动控制中所存在的时滞效应以及测量系统的噪声干扰等问题。通过对计算模型顶层以及标准层的结构动力响应预测结果以及实际结构动力响应结果的对照,证实了使用Simulink下的神经网络功能进行结构响应预测的准确性,并为后续仿真阶段对响应数据采用序列最优控制法进行计算,获得系统控制力奠定基础。     

高层结构抗风控制研究

介绍了在结构工程抗风与抗震设计中具有广阔应用前景的人工神经网络系统和结构振动控制方法,分析了被动调频质量阻尼器用于风振控制存在有效频带窄的问题后,提出采用神经网络提供主动控制力的主动控制方法,并通过神经网络系统对结构响应进行了预测,从而进一步提高了控制系统的性能。     

高柔结构风振AMD控制模糊神经网络预测算法研究

基于Takagi-Sugeno模型的模糊神经网络的基本理论,建立了模糊神经网络预测模型。该模型结合神经网络控制和预测控制的优点,解决了控制中的时滞问题。研究了基于聚类法产生模糊神经网络预测控制的模糊逻辑系统,该方法便捷地解决了模糊逻辑控制中模糊控制规则基于专家控制策略和经验而无自学习能力的困难。以深圳京基金融中心为算例,利用模糊神经网络预测算法控制结构在风荷载作用下的振动,仿真结果表明,模糊神经网络预测算法能够有效地减小高柔结构加速度响应。     

基于遗传算法优化的Elman网络时滞补偿研究

神经网络时滞补偿算法在时滞补偿方面一般应用于特定激励下固定时滞的补偿问题,适用范围有待进一步改善.针对主动质量阻尼器控制系统,考虑不同地震波和时滞的影响,本文提出了一种基于遗传算法(GA)优化的神经网络时滞补偿方法.该方法通过跟踪理想状态的结构响应,采用GA对Elman神经网络进行初始权重和阈值的优化训练,并与经典的移...     

基于LQR算法的巨-子型有控结构的主动控制研究

基于线性二次型(LQR)性能指标极小的最优控制设计,对巨-子型有控结构在随机风载激励下的主动控制响应特性进行了时程分析研究,推导并建立其控制方程,讨论了主动控制下控制参数的变化和时滞对结构响应的控制效果、控制力及动力特性的影响规律。研究表明:该新型结构采用主动控制后能获得很好的控制效果,权矩阵的选取对结构的响应非常重要,时滞会降低结构的主动控制效果。     

应用神经网络方法对粘钢加固钢筋混凝土梁的承载力预测

目前粘钢加固方法已被广泛用于加固工程，但影响其承载力的因素很多，很难得出精确的承载力公式，而应用神经网络的方法，建立预测粘钢加固梁承载力的BP算法模型，可将众多因素考虑进去，通过训练再对目标进行预测，能取得很好的效果。因为神经网络在处理与解决问题时不需要精确的数学模型，为解决混凝土非线性问题提供了一种有效的解决手段。     

基于模糊逻辑与神经网络的高层结构半主动控制

根据剪切型结构动力特性提出AVSD开关控制律。把开关控制律作为专家知识,利用模糊逻辑转化为模糊控制规则。为了进行时滞和结构动力特性时变的控制补偿,采用神经网络在线自适应跟踪辨识方法进行在线辨识和响应预测。最后以某框架结构为例进行仿真分析,结果表明这一方法控制效果及鲁棒性好、实际应用方便可靠。     

空间结构风振控制系统的神经网络时滞补偿

结合神经网络方法和传统补偿方法,研究空间结构风振控制系统的时滞补偿问题.运用单个神经网络取代由两个神经网络组成的控制系统,有效减小系统时滞和产生时滞的环节.针对空间结构风振控制系统,综合运用神经网络方法与状态预测补偿法,构建基于神经网络的多步预测时滞补偿方法.研究显示,该时滞补偿方法克服了传统方法对多自由度系统不适用、数值计算困难等缺陷,可成功运用于空间结构风振控制系统,经时滞补偿后控制效果优于未经时滞补偿的系统.     

土木结构振动控制中的时滞影响分析

时滞是振动控制过程中的较普遍的现象,时滞不仅降低控制系统的性能,严重时会导致系统失效。针对此实际问题,本文对时滞反馈系统的主动控制方法进行了研究,由单自由度系统入手,进而得出系统最大允许时滞量的解析确定方法。     

岸边集装箱起重机上部结构耦合振动分析

本文对岸边集装箱上部结构进行一定的简化建立比较精确的物理模型、数学模型,建立其上部结构的车桥耦合的动力学方程,研究车桥耦合振动的一种数值解法,在保证精度的前提下缩短计算,为实际工程问题提供一种参考。     

Structural Engineering Applications with Augmented Neural Networks

This paper presents an augmented neural network (ANN), a novel neural network architecture, and examines its efficiency and accuracy for structural engineering applications. The proposed architecture is that of a standard backpropagation neural network with augmented neurons, that is, logarithm neurons and exponent neurons are added to the network's input and output layers. The principles of augmented neural networks are (1) the augmented neurons are highly sensitive in the boundary domain, thereby facilitating construction of accurate mapping in the model's boundary domain, and (2) the network denotes each input variable with multiple input neurons, thus allowing a highly interactive function on hidden neurons to be easily formed. Therefore, the hidden neurons can more easily construct an accurate network output for a highly interactive mapping model. Experimental results demonstrate that the network's logarithm and exponent neurons provide a markedly enhanced network architecture capable of improving the network's performance for structural engineering applications.     

基于神经网络的建筑结构安全评估模型研究

为实现建筑结构安全的快速评估,提出基于神经网络的建筑结构安全评估方法。基于《民用建筑可靠性鉴定标准》的调查与检测要求并考虑数据易获取性,选择45个涵盖承载力、耐久性、历史记录和环境情况等变量作为输入参数,以《民用建筑可靠性鉴定标准》中的安全等级作为输出参数,采用深度置信网络学习输入参数与输出参数间的非线性映射关系。对输入参数的选择、样本缺值问题、小样本问题和神经网络评估的可靠性进行探讨和验证。结果表明:在无法准确判断输入参数与输出参数相关性的前提下,采用全部输入参数的评估模型具有更高的鲁棒性; 迷失森林算法相较其他常用的缺值插补算法有更好的插补性能; 采用变分自编码器扩充训练样本集能有效提高神经网络的泛化能力和分类精度; 对深度置信网络引入加权交叉熵损失函数加以改进可增加训练时对不安全类别的敏感性,牺牲少量不安全类别的查准率可以大幅提高其查全率; 基于神经网络的结构安全评估模型能较好地预测结构的安全等级,具有快速且大批量运算的优势,是实现大范围建筑群结构安全监测的有效手段。     

考虑土-结构动力相互作用影响的结构神经网络控制

将人工神经网络控制理论应用于软弱地基上建筑结构地震反应的主动控制分析中。通过训练神经控制器NNC (Neural networkController)预测结构控制力 ,由神经模仿器NNE (Neural networkEmulator)预测结构对地震力的反应来修正NNC的输入 ,从而实现结构的主动控制。数值模拟表明 ,神经网络控制系统能够有效地控制结构的地震反应 ,且对地震输入有很好的自适应性 ,在设计神经网络控制系统时 ,应考虑土—结构动力相互作用的影响。     

绝缘子等值附盐密度的预测

等值附盐密度是确定污秽等级和绘制电网污区分布图的主要依据,而气象因子对绝缘子的等值附盐密度(ESDD)影响复杂,难以建立精确的数学模型来表述二者间的关系。结合灰色模型和神经网络模型在反映数据序列变化趋势性上的明显效果,采用带神经网络补偿器的灰色神经网络模型来预测绝缘子在一定气象因子条件下的等值附盐密度,拟合输入与输出之间的复杂非线性函数关系。结果表明该模型有较高的预测精度,优于单纯的灰色神经网络模型,具有一定的理论价值和实际应用价值。     

小波神经网络在软基沉降组合预测中的应用

将小波神经网络组合预测模型引入软土路基沉降预测中。把5组不同形式的s型增长模型单项预测结果作为小波网络的输入向量,将代表相应时刻的实际值作为小波网络的输出,对软基沉降序列进行非线性组合预测。预测结果表明,小波网络组合预测的结果比各单项模型预测的结果都好,与BP神经网络相比,小波网络的收敛速度更快,预测精度更高,模型的泛化能力更强。     

索膜结构风振响应的神经网络辅助参数分析方法

针对非线性动力时程分析法求解大规模索膜结构风振响应时动力时程分析的次数受到限制而导致一些参数组合下的响应统计值难以预测的问题,引入神经网络,通过少量样本的训练,建立了参数与结构响应间的映射关系。结果表明:提出的神经网络辅助参数分析方法计算效率高、预测精度令人满意,是一种获取足够数据的有效途径;通过该方法可以得到响应统计量及风振系数随平均风速和索、膜预应力变化的规律,为设计风荷载和结构构件极端响应的计算提供了科学依据。     

Modelling of structural response and optimization of structural control system using neural network and genetic algorithm

This paper proposes an integrated approach to the modelling and optimization of structural control systems in tall buildings. In this approach, an artificial neural network is applied to model the structural dynamic responses of tall buildings subjected to strong earthquakes, and a genetic algorithm is used to optimize the design problem of structural control systems, which constitutes a mixed‐discrete, nonlinear and multi‐modal optimization problem. The neural network model of the structural dynamic response analysis is included in the genetic algorithm and is used as a module of the structural analysis to estimate the dynamic responses of tall buildings. A numerical example is presented in which the general regression neural network is used to model the structural response analysis. The modelling method, procedure and the numerical results are discussed. Two Los Angeles earthquake records are adopted as earthquake excitations. Copyright © 2000 John Wiley & Sons, Ltd.     

基于蚁群算法的地源热泵系统整体优化控制

为了使地源热泵系统更加节能,采用整体优化的控制思想进行研究,运用神经网络建立地源热泵系统仿真模型,通过Simulink做模型准确性验证与运行分析,以用户侧回水流量和地埋侧流量为模型的输入变量,以系统总功耗为模型的输出变量,基于蚁群算法为主的优化算法进行变量寻优,结果与传统控制方式对比后发现,整体优化控制节能效果更好。     

人工神经网络在掺活化煤矸石粉混凝土强度预测中的应用

人工神经网络技术综合考虑了掺活化煤矸石混凝土强度的各种影响因素,可用于预测混凝土强度.选取了掺活化煤矸石粉混凝土配料中7个主要因素作为输入值,混凝土28d强度作为输出值,建立起混凝土强度预测BP网络模型,进而对掺活化煤矸石配合比强度试验数据进行分析预测,效果良好.结果表明该方法用于掺矿物掺合料混凝土强度预测方面是可行的.