基于神经网络模型的结构参数提取新方法.pdfVIP

第28 卷第4 期 Vol.28 No.4 工 程 力 学 2011 年 4 月 Apr. 2011 ENGINEERING MECHANICS 35 文章编号：1000-4750(2011)04-0035-07 基于神经网络模型的结构参数提取新方法 * 1,2 3 1 1,4 许 斌 ，龚安苏 ，贺 佳 ，MASRI Sami F (1. 湖南大学土木工程学院，长沙 410082 ；2. 建筑安全与节能教育部重点实验室(湖南大学) ，长沙 410082 ； 3. 中国成达工程有限公司，成都 610041；4. 南加州大学土木工程系，美国，洛杉矶 90089) 摘 要：参数识别是结构健康监测、性能评估的关键问题之一。作为一种代表性的动力系统时域参数化模型方法， 自回归滑动平均(Auto-regressive and moving average, ARMA)模型在机械和土木工程结构的参数识别中得到了广 泛应用；另一方面，尽管一般而言神经网络模型的权重和阈值并不需要具备明确的物理意义，但由于神经网络具 有描述复杂函数关系的能力，作为一种非参数化模型方法在结构动力系统的建模和控制领域发挥重要作用。该文 首先通过结构运动平衡方程的离散时间解，证明了非参数化神经网络模型与 ARMA 模型在描述线性结构动力系 统的响应时间序列上的等效性，在此基础上，提出了一种从结构的非参数化神经网络模型中抽取结构物理参数的 新方法。通过一个多自由度系统的数值模拟结果和一个四层钢框架模型的动力试验实测数据验证了所提出的结构 参数抽取方法的有效性。 关键词：BP 神经网络；ARMA 模型；动力响应；时间序列；参数抽取；非参数化模型；参数化模型 中图分类号：TU311.3 文献标识码：A A NOVEL STRUCTURAL PARAMETER EXTRACTION METHODOLOGY WITH NEURAL NETWORK BASED NONPARAMETRIC MODEL *XU Bin1,2 , GONG An-su3 , HE Jia1 , MASRI Sami F1,4 (1. College of Civil Engineering, Hunan University, Changsha 410082, China; 2. Ministry of Education Key Laboratory of Building Safety and Energy Efficiency (Hunan University), Changsha 410082, China; 3. Chengda Engineering Corporation of China, Chengdu 610041, China; 4. Department of Civil Engineering, University of Southern California, Los Angeles, CA 90089, USA) Abstract: Structural identification has become an increasingly important topic for health monitoring and performance assessment of engineering structures. On one hand, the auto-regressive and moving average (ARMA) model has been widely employed as a typical time-domain modeling me