论文部分内容阅读
空间杆系结构在地震激励下的非线性动力稳定分析和预测越来越得到结构工程界的重视。本文借鉴人工神经网络和小波理论在结构损伤领域的应用方法,提出了两种基于神经网络的动力稳定性预测方法,即基于PNN(ProbabilisticNeural Network)的结构动力稳定性离线预测方法和基于P-RAN(Resource-Allocating Network)的结构动力稳定性在线预测方法。前者可以应用于设计过程中的结构动力稳定承载能力预测,通过已知的一系列荷载作用下的结构动力稳定特性,来预测结构在其它荷载作用下的结构动力稳定特性。后者可以应用于结构使用阶段在线健康监测和智能控制,通过预测出结构未来时刻的响应,便可根据预先设定的动力失稳判别标准来预测结构未来动力稳定的变化趋势。运用基于PNN的结构动力稳定性离线预测方法对—含有随机缺陷的72杆歌德斯克扁网壳在地震作用下的动力稳定性进行预测。以地震波的波形和加速度峰值作为特征参数,使用小波能量算法提取地震波的能量特征,并以结构整体动力失稳、局部动力失稳和动力稳定为识别模式,进行PNN的训练和预测。预测一致率达到75%,有效率达到95%。对于相同类型地震波的其它峰值,预测有效率达到了100%,对于不同类型的地震波,预测有效率稍低,达到92.3%,但一致率为61.5%。结果同时显示出训练样本的数量和组成是影响网络性能的重要因素。另外,本文对P-RAN算法提出了三点改进:(1)采用K-聚类算法对网络进行初始化,(2)降低单样本学习噪声污染的改进,(3)删除节点策略的改进,并运用基于P-RAN的结构动力稳定性在线预测方法,对某24杆扁网壳试验数据进行分析,发现改进后的P-RAN算法能够很好地根据历史数据预测结构未来时刻的响应。结果表明P-RAN算法响应快、预测误差小,在此基础上能够应用失稳准则进行结构动力失稳的有效判断。