泛化神經網絡算法的RC柱恢復力預測方法

王 濤，周天楠，孟麗巖

(黑龍江科技大學 建筑工程學院， 哈爾濱 150022)

0 引 言

模型更新技術是一種提高混合試驗中非線性數值子結構模型精度的有效手段，主要包括基于模型的參數識別方法和不基于模型的神經網絡方法。王濤[1]采用UKF算法對彈簧及防屈曲支撐構件進行了在線參數識別及構件層次模型更新，完成了一系列模型更新混合試驗驗證，有效提高了混合試驗精度。陳永盛[2]和梅竹[3]分別針對截面恢復力模型和材料層次模型進行了在線參數識別，擴展了混合試驗應用能力。參數識別精度不僅依賴于識別算法本身精度，也會依賴于假定數值模型的準確程度。

恢復力模型誤差是不可避免的，發展不基于模型的預測算法將會是一種新的解決途徑。神經網絡算法因其無需預先知曉模型參數等優勢而受到研究者們的青睞。Yang等[4]首次將神經網絡應用于模型更新混合試驗中。Elanwar等[5]利用離線的神經網絡算法識別了兩跨鋼框架的雙折線本構模型。王燕華等[6]提出了一種基于遺忘因子和 LMBP 神經網絡的混合試驗在線模型更新方法，并對一個兩自由度非線性結構進行了模型更新混合試驗數值模擬驗證。Yun等[7-8]增補了神經網絡的輸入變量，將原來的三變量變為五變量，通過神經網絡算法得到了循環荷載下結構材料層面的滯回性能，研究了梁柱節點的性質。王濤等[9-11]提出一種在線神經網絡算法，并應用于結構混合試驗中。

已有研究一般要求神經網絡訓練與預測具有相同的構件對象，如何預測具有不同性能參數的結構恢復力，是一個需要解決的難題。……