17 / 2019-06-25 15:53:08

基于遗忘因子和LMBP神经网络的混合试验在线模型更新方法

混合试验,遗忘因子,在线模型更新,LMBP神经网络,增量训练

全体主题 > 模型更新混合试验方法

混合试验是一种将数值模拟与物理试验相结合的新型结构抗震试验方法。采用在线神经网络算法预测数值子结构恢复力，并实时更新数值子结构中与试验子结构恢复力特性相同的构件或结构，能够显著提高数值子结构的模拟精度。目前，将神经网络算法应用于混合试验在线模型更新得到了相关研究者们的广泛关注。为提高模型更新中神经网络算法的精度、稳定性和自适应性，本文提出一种基于遗忘因子和LMBP神经网络的混合实验在线模型更新方法。即每时步将试验子结构的历史数据形成一个动态窗口样本作为神经网络的输入，提高算法的效率；根据样本中数据的新旧程度引入遗忘因子降低旧数据的权重，减轻数据饱和现象；采用基于LM(Levenberg-Marquardt)的BP算法取代传统BP算法，以提高算法的稳定性。并对一个两自由度非线性结构进行模型更新的混合试验数值模拟，研究结果表明，数值单元恢复力预测值的RMSD稳定在0.1175，验证了基于遗忘因子和LMBP神经网络的混合试验在线模型更新方法具有良好的自适应性、稳定性和模型更新效果。