|
|||||
|
|
| 基于RBF神经网络的钢框架梁端节点损伤识别 | |
| 引用本文： | 薛强,郝际平,郑粤. 基于RBF神经网络的钢框架梁端节点损伤识别[J]. 西安建筑科技大学学报(自然科学版), 2011, 43(2) |
| 作者姓名： | 薛强 郝际平 郑粤 |
| 作者单位： | 1. 西安建筑科技大学土木工程学院,陕西西安710055;西安建筑科技大学建筑设计研究院,陕西西安710055 2. 西安建筑科技大学土木工程学院,陕西西安,710055 3. 西安建筑科技大学建筑设计研究院,陕西西安,710055 |
| 基金项目： | 国家自然科学基金资助项目(50878181) |
| 摘 要： | 为有效识别钢框架梁端节点损伤程度及半刚性节点刚度参数,提出采用钢梁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神经网络对刚框架梁端节点损伤程度进行参数识别研究.结果证明,位移模态识别损伤位置的准确度高于曲率模态,对损伤程度的识别曲率模态优于位移模态.其中位移模态损伤识别误差小于10%,曲率模态识别误差小于5%,得出基于RBF神经网络可以较好的识别节点损伤及半刚性刚度参数. |
| 关 键 词： | RBF神经网络 钢框架 节点损伤识别 |
Research on steel frame parameters identification based on RBF neural networks |
|
| XUE Qiang,HAO Ji-ping,ZHENG Yue. Research on steel frame parameters identification based on RBF neural networks[J]. Journal of Xi'an University of Architecture & Technology, 2011, 43(2) | |
| Authors: | XUE Qiang HAO Ji-ping ZHENG Yue |
| Affiliation: | XUE Qiang1,2,HAO Ji-ping1,ZHENG Yue2 |
| Abstract: | To effectively identify the post-earthquake level of steel frame joint damage and semi-rigid joint stiffness parameters,and mode shapes,curvature mode are used as RBF neural networks import vector to identify steel portal frame construction.Curvature mode is more sensitive than mode shapes for structural parameters identification.Modal identification results show that the displacement damage location accuracy is higher than curvature mode and the damage degree identification curvature mode is superior to di... |
| Keywords: | RBF neural networks steel frame frame detection |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |