矩形板结构损伤的分区域神经网络识别方法

王等明; 周又和

doi:10.6052/0459-1879-2005-3-2003-261

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名

邮箱

手机号码

标题

留言内容

验证码

矩形板结构损伤的分区域神经网络识别方法

doi: 10.6052/0459-1879-2005-3-2003-261

兰州大学力学系, 730000

计量
- 文章访问数: 2053
- HTML全文浏览量: 49
- PDF下载量: 843
- 被引次数: 0
出版历程
- 刊出日期: 2005-05-18

Identification of damage in rectangular plates based on neural network technique with sub-regions

摘要

摘要: 通过引入LM优化算法，针对矩形薄板中对称结构的损伤识别问题，提出了一种基于神经网络的分区域分步识别方法. 对于预测输出量比较多且对预测精度要求比较高的问题，常会出现网络训练时收敛速度慢、网络预测精度低，并且当网络训练达到目标误差时，输出的预测量中常有某个输出量的误差还很大的情况. 针对这些问题，利用选取的组合输入参数，提出了基于神经网络的分区域识别方法. 通过对悬臂板结构的数值模拟结果表明：提出的分区域识别方法对结构损伤的分区和预测是可行和有效的，其预测精度要明显的高于只用单个网络的预测结果，并且预测子网络对损伤的位置和程度是同步输出的，从而避免了传统分步识别理论中子网络过多的问题.
- 矩形板,损伤识别,组合输入参数,神经网络,有限元法,分区域
Abstract: This paper presents an identification approach based onneural network method with sub-regions to identify damages in a rectangularplate using the LM optimized algorithm. The numerical results of simulationsfor the cantilever plate with some damages show that this approach is betterthan that from the conventional method with single network. Since thismethod realizes the synchronous output of position and intensity of damagesin the structure, this approach does not need many sub-networks appeared ina conventional hierarchical identification method.
- rectangular plate,damage identification,combinatorial input parameters,neural network method with sub-regions,FEM