RBF神经网络在检测PRC简支梁预应力应用.pdfVIP

下载本文档

3
0
约8.35千字
约 4页
2017-08-09 发布于安徽
举报
版权申诉

RBF神经网络在检测PRC简支梁预应力应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

优秀毕业论文，完美PDF格式，可在线免费浏览全文和下载,支持复制编辑,可为大学生本专业本院系本科专科大专和研究生学士相关类学生提供毕业论文范文范例指导,也可为要代写发表职称论文提供参考！！！

伍雪南引，孙宗光1，毕波2 (1大连海事大学，辽宁大连116026；2鞍钢附企设计研究院．辽宁鞍山114000) 摘要：对于新旧预应力混凝土结构(PRC)的检测鉴定与评价，预应力的识别都具有十分重要理论与应用意义。采用神经网络技术，基于自振特性对PRC简支梁的预应力识别进行了数值仿真研究。分别在不同预应力水平上计算预应力梁的前lO阶自振频率，经过归一化处理构造网络的训练样本，由网络输出指示预应力大小。采用了RBF(径向基)神经网络，通过15个训练样本的训练，网络展示了良好的收敛性。对三种不同预应力水平的仿真测试，给出了较高的识别精度，表明基于RBF 神经网络的PRc筒支梁的预应力识别方法具有一定的可行性和进一步研究的价值．关键词：简支梁，预应力识别，RBF神经网络，自振频率。 APPLICATIONoFRBFNETWORKINDETECTIONOFTHE INPRCBEAM WU 1302 Xuenanl，SUNZongguan91，BI (1DalianMaritime DaIian116026 University，LiaoNing China； 2An Research Shanl 14000 GangSubsidiaryEn．【terpriseDesignSurvey Institute。LiaoNing^n China) Abstract：Forandassessmentofthenewandold reinforced detection PRC(prestressed networkisusedfor ofidentificationof identfficationofthe iSvery numerical prestressimportant．RBF analysis the inPRCbeamwhichbasedonnatural natural ofPRC prestress frequencies．Tenfrequenciessimplysupported arecalculatedand beamunderdifferent conditions normalizedas vectorsofthe prestress input trainingsample， valuearechoosedas vectors．RBFnetworkisusedandthe ofiterative is prestress output convergencesequence admissibleafter trained．thesimulationresultofthreedifferent showthatthe being testing prestress methodofthe inPRCbeambasedonRBFnetworkiSfeasibleandvaluabletofurther prestress study． beam，prestressidentification，RBFnetwork，natur