資源描述：
《基于不同神經(jīng)網(wǎng)絡(luò)對(duì)已加固剛架拱橋靜力有限元模型的參數(shù)識(shí)別及修正》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類(lèi)號(hào):U4410710-2015121115碩士學(xué)位論文基于不同神經(jīng)網(wǎng)絡(luò)對(duì)已加固剛架拱橋靜力有限元模型的參數(shù)識(shí)別及修正張可贊導(dǎo)師姓名職稱(chēng)任更鋒副教授申請(qǐng)學(xué)位類(lèi)別碩士學(xué)科專(zhuān)業(yè)名稱(chēng)橋梁與隧道工程論文提交日期2018年4月16日論文答辯日期2018年5月13日學(xué)位授予單位長(zhǎng)安大學(xué)ReinforcementofrigidframearchbridgebasedondifferentneuralnetworksParameteridentificationandcorrectionofstaticfiniteelementmod
2、elAThesisSubmittedfortheDegreeofMasterCandidate：ZhangKezanSupervisor：Prof.RenGengfengChang’anUniversity,Xi’an,China摘要當(dāng)前行業(yè)內(nèi)，針對(duì)加固后的橋梁，由于各種簡(jiǎn)化和假定,依據(jù)設(shè)計(jì)資料建立的橋梁初始有限元模型的計(jì)算結(jié)果與試驗(yàn)測(cè)量結(jié)果之間往往存在不同程度的差異。本文在前人有限元模型修正研究工作的基礎(chǔ)上,因遺傳算法和神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜非線性問(wèn)題時(shí)極具優(yōu)勢(shì),將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合提出了一種集成式的神經(jīng)網(wǎng)絡(luò)，引入
3、并改造生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)（GenerativeAdversarialNetworks，GANs），分別將其用于橋梁結(jié)構(gòu)靜力有限元模型的參數(shù)識(shí)別與修正中。1、對(duì)有限元模型參數(shù)識(shí)別修正技術(shù)及神經(jīng)網(wǎng)絡(luò)在其中的應(yīng)用、研究意義及現(xiàn)狀進(jìn)行了闡述。對(duì)有限元模型參數(shù)識(shí)別基本機(jī)理、有限元模型修正的不同類(lèi)別、待修正參數(shù)的篩選、修正效果的評(píng)估、目標(biāo)函數(shù)的構(gòu)造作了介紹。2、引入神經(jīng)網(wǎng)絡(luò)。首先，對(duì)本文的兩種神經(jīng)網(wǎng)絡(luò)基模型BP神經(jīng)網(wǎng)絡(luò)的機(jī)理進(jìn)行了介紹，其次結(jié)合遺傳算法與神經(jīng)網(wǎng)絡(luò)的各自?xún)?yōu)點(diǎn)，建立集成神經(jīng)網(wǎng)絡(luò)；基于當(dāng)前在圖像、語(yǔ)音領(lǐng)域應(yīng)用效果顯著的生成
4、式對(duì)抗神經(jīng)網(wǎng)絡(luò)，構(gòu)造適用于本文的生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)。3、使用Python語(yǔ)言中的機(jī)器學(xué)習(xí)算法庫(kù)和深度學(xué)習(xí)算法庫(kù)，搭建集成神經(jīng)網(wǎng)絡(luò)和生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)。結(jié)合設(shè)計(jì)資料，搭建有限元模型，進(jìn)行數(shù)值模型試驗(yàn)。引入均勻設(shè)計(jì)法構(gòu)造神經(jīng)網(wǎng)絡(luò)所需的訓(xùn)練數(shù)據(jù)，同時(shí)對(duì)樣本數(shù)據(jù)擾動(dòng)，分階段預(yù)訓(xùn)練和微調(diào)神經(jīng)網(wǎng)絡(luò)。通過(guò)數(shù)值模擬試驗(yàn)，證明該方法的合理性和應(yīng)用價(jià)值。4、根據(jù)對(duì)已加固剛架拱橋的靜載試驗(yàn)數(shù)據(jù)、加固方案，利用Midas/FEA有限元軟件建立有限元計(jì)算模型，提取相關(guān)荷載作用下模型響應(yīng)數(shù)據(jù)。結(jié)合靜載試驗(yàn)數(shù)據(jù)，搭建集成神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)，
5、構(gòu)造訓(xùn)練數(shù)據(jù)，調(diào)試網(wǎng)絡(luò)模型，依據(jù)實(shí)測(cè)數(shù)據(jù)，輸出預(yù)測(cè)結(jié)果，實(shí)現(xiàn)有限元模型參數(shù)識(shí)別與修正。在此基礎(chǔ)上，將結(jié)構(gòu)進(jìn)行合理分段，對(duì)其參數(shù)細(xì)化識(shí)別修正。結(jié)果表明，最終經(jīng)參數(shù)分段識(shí)別修正的有限元模型計(jì)算結(jié)果精度明顯提高，在特定荷載工況下，經(jīng)不同神經(jīng)網(wǎng)絡(luò)識(shí)別修正的已加固剛架拱橋有限元模型可精確反映其受力狀況?？蔀榻窈笤摻Y(jié)構(gòu)的技術(shù)狀況評(píng)估提供了一個(gè)精確的有限元計(jì)算模型，為結(jié)構(gòu)加固效果、承載能力評(píng)估提供了參考。關(guān)鍵詞：已加固剛架拱橋，集成神經(jīng)網(wǎng)絡(luò)，生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)，模型參數(shù)識(shí)別修正，均勻設(shè)計(jì)方法iAbstractInthecurrenti
6、ndustry,duetovarioussimplificationandassumptions,thestaticanddynamicresponsesoftheinitialfiniteelementmodelofbridgebasedonthedesigndatahavedifferentdegreesofdifferencebetweentheexperimentalresultsandthoseofthereinforcedbridges.Basedonthepreviousresearchworkoffini
7、teelementmodelmodification,geneticalgorithmandneuralnetworkareveryadvantageousindealingwithcomplexnonlinearproblems,combininggeneticalgorithmwithBPneuralnetwork,akindofintegratedneuralnetworkisproposed,andthegeneration-typeantagonismneuralnetworkisintroducedandre
8、constructed(GenerativeAdversarialNetworks,gans)isusedintheparameteridentificationandcorrectionofthestaticfiniteelementmodelofthebridgestructurerespectively.1.T
