振动与冲击

作者：王 涛,，翟绪恒，孟丽岩，王 贞

单位：1.中国地震局工程力学研究所 中国地震局地震工程与工程振动重点实验室，哈尔滨 150080；2.黑龙江科技大学 建筑工程学院，哈尔滨 150022；3. 哈尔滨工业大学 土木工程学院，哈尔滨 150022

关键词：混合试验；神经网络；在线预测；恢复力

混合试验是一种将数值模拟与物理试验相结合的新兴结构抗震试验方法，得到了相关研究者们的广泛关注。如何模拟具有强非线性的数值子结构仍是混合试验亟待解决的问题。本文在传统的离线神经网络基础上提出一种在线学习的神经网络算法，并应用于混合试验中来在线预测数值子结构恢复力。在线学习算法仅利用当前步的系统输入和观测样本，采用递推形式更新每一步的权值和阈值。针对两个自由度非线性结构，分别进行了基于在线学习和离线学习神经网络的混合试验数值仿真。研究表明：与离线学习神经网络算法相比，在线学习神经网络算法具有更好的自适应性，能够有效提高恢复力预测精度和计算效率；基于在线学习神经网络算法的结构混合试验方法可以提高混合试验结果精度。<br>

来源：2017年第14期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第14期