基于RBF神经网络的半刚性端板连接节点初始转动刚度预测研究

发布时间：2020-04-03 23:27

【摘要】：传统的钢框架连接不是刚接或理想铰接,而是半刚性连接。为了获取半刚性连接节点的真实性能,国内外学者针对半刚性连接展开了大量的研究。由于目前的研究方法主要从单一变量的角度对半刚性节点进行研究,而忽略了变量之间的相关性对于半刚性节点的影响,在采用理论解析计算节点初始转动刚度时仍存在较大的偏差。因此本文考虑应用神经网络良好的非线性映射能力以及对于样本数据的学习能力,以半刚性节点数据库为基础,从多变量的角度采用神经网络对半刚性端板连接节点的初始转动刚度进行预测研究。本文的具体研究内容如下:(1)通过对BP神经网络和RBF神经网络的研究,选用了具有最佳一致逼近性的RBF神经网络作为后续学习、预测的工具。提出了一种改进粒子群算法对RBF神经网络进行优化,与传统的遗传算法和粒子群算法相比刚度预测结果具有良好的精度,同时能够更好地表示节点之间刚度的变化趋势。(2)针对神经网络输入变量,通过已有的文献和试验研究初步确定了半刚性端板连接节点的柱、端板、螺栓和梁的几何尺寸作为主要的神经网络输入变量。提出了一种参数优化后的核主成分分析方法对变量进行处理,相比于传统的主成分分析方法能够有效地提升RBF神经网络的预测精度。(3)针对半刚性端板连接节点暂无统一的的分类标准,本文引入了聚类的思想对节点样本进行类别的划分。提出了一种基于改进粒子群算法的模糊c均值聚类,相比于传统的k均值聚类方法具有良好的稳定性。(4)通过对三组半刚性端板连接节点的讨论,应用神经网络优化算法、聚类分析方法以及核主成分分析方法对初始转动刚度进行预测研究,预测刚度和试验刚度吻合较好,从而验证了本文方法在半刚性节点初始转动刚度预测中的有效性和实用性。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TU391

【参考文献】

相关期刊论文 前10条

1 刘兴杰;岑添云;郑文书;米增强;;基于模糊粗糙集与改进聚类的神经网络风速预测[J];中国电机工程学报;2014年19期

2 张鑫源;胡晓敏;林盈;;遗传算法和粒子群优化算法的性能对比分析[J];计算机科学与探索;2014年01期

3 楼俊钢;蒋云良;申情;江建慧;;软件可靠性预测中不同核函数的预测能力评估[J];计算机学报;2013年06期

4 何东;刘瑞叶;;基于主成分分析的神经网络动态集成风功率超短期预测[J];电力系统保护与控制;2013年04期

5 朱艳伟;石新春;但扬清;李鹏;刘文颖;魏德冰;付超;;粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用[J];中国电机工程学报;2012年04期

6 石永久;王萌;王元清;施刚;;钢框架端板连接半刚性节点受力性能分析[J];工程力学;2011年09期

7 周松林;茆美琴;苏建徽;;基于主成分分析与人工神经网络的风电功率预测[J];电网技术;2011年09期

8 梁胜杰;张志华;崔立林;;主成分分析法与核主成分分析法在机械噪声数据降维中的应用比较[J];中国机械工程;2011年01期

9 朱海梅;吴永萍;;一种高速收敛粒子群优化算法[J];控制与决策;2010年01期

10 刘蕊洁;张金波;刘锐;;模糊c均值聚类算法[J];重庆工学院学报(自然科学版);2008年02期

相关博士学位论文 前2条

1 董现;多维相关参数模型近似和随机分析方法研究及应用[D];华南理工大学;2015年

2 潘建荣;基于相关性的框架节点半刚性分析方法研究[D];汕头大学;2009年

相关硕士学位论文 前1条

1 张佳宁;基于神经网络的城市交通流量预测模型研究[D];广东工业大学;2016年

，

本文编号：2613837