【技术实现步骤摘要】
基于卷积神经网络的抗震混合试验模型更新方法
本专利技术涉及土木工程领域的结构抗震性能评估试验方法，特别是涉及一种基于卷积神经网络的抗震混合试验模型更新方法。
技术介绍
一般土木工程领域常用的结构抗震试验方法主要有三种：拟静力试验、振动台试验和拟动力试验。拟静力试验是按照一定的荷载控制或位移控制对试件进行低周反复循环加载，使试件从弹性受力一直到破坏，由此获得结构或结构构件的非线性本构模型。拟静力试验由于技术简单、稳定而应用最广，但是其缺点在于不能考虑地震波对结构的影响。地震模拟振动台试验能够真实地再现地震作用，但是因为地震模拟振动台尺寸和承载力有限，往往只能采用缩尺模型试验。对高大结构的模型试验，由于比例尺过小，无法反映出真实结构在地震作用下的全部特性。拟动力试验是一种联机试验，通过计算机控制加载模拟再现地震过程，根据数值积分算法计算得到的动力响应加载恢复力、位移。优点是拟动力试验方法中结构的恢复力特性不再来源于数学模型，而是直接从试验结构上测取，避免了假定恢复力模型带来的数值误差，并且可应用于大尺寸的模型试验，同时试验过程中...
【技术保护点】
1.一种基于卷积神经网络的抗震混合试验模型更新方法，其特征在于：包括以下步骤：/na、将整体结构分为试验子结构及数值子结构，根据结构的自由度数目和结构参数，建立整体结构的运动微分方程，求解出混合试验第i步试验子结构的目标位移d
【技术特征摘要】
1.一种基于卷积神经网络的抗震混合试验模型更新方法，其特征在于：包括以下步骤：
a、将整体结构分为试验子结构及数值子结构，根据结构的自由度数目和结构参数，建立整体结构的运动微分方程，求解出混合试验第i步试验子结构的目标位移dE，i，将得到的目标位移dE，i传递给物理加载系统，由作动器推动试验子结构达到目标位移dE，i，通过作动器内的传感器得到试验子结构恢复力RE，i；
b、利用试验子结构第i步之前j步和包括第i在内的共j+1步试验子结构的总系统输入变量{dE，i-j，…，dE，i)和试验子结构的恢复力观测值{RE，i-j，…，RE，i}作为第i步卷积神经网络的训练样本集{(dE，i-j，RE，i-j)，…，(dE，i，RE，i)}；其中dE，i表示第i步试验子结构的系统输入变量，RE，i表示第i步试验子结构恢复力观测值；
c、训练样本{(dE，i-j，RE，i-j)，…，(dE，i，RE，i)}首先通过输入层进行处理之后，进入卷积层，由卷积核卷积处理得到数据的特征，随后进入激活层，激活层包含激励函数帮助训练样本表达复杂特征，最终经过处理的特征进入全连接层，经过对卷积神经网络的训练得到预测模型
d、利用步骤c得到的预测模型将混合试验第i步数值子结构的系统输入变量zi输入预测模型得到第i步数值子结构的恢复力RN，i，并将RN，i反馈给数值积分算法；这样就完成了第i步的混合试验，然后循环步骤a-d直到地震动输入完毕。
2.根据权利要求1所述的基于卷积神经网络的抗震混合试验模型更新方法，其特征在于：对试验子结构进行加载的加载设备，其作动信号来自于结构每一步运动微分方程的积分求解，且试验子结构的加载...
【专利技术属性】
技术研发人员：王燕华，吴刚，王成，侯士通，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。