神经网络在结构响应预测中的应用研究.pdfVIP

维普资讯 神经网络在结构响应预测中的应用研究 神经网络在结构响应预测中的应用研究 韩卫华 宁佐贵 崔 蔚 (1中国工程物理研究院工学院，四川绵阳，621900 2中国工程物研究院结构力学研究所，四川绵阳，621900) 摘 要 本文讨论动态神经网络结构及其算法 ，然后利用所设计的动态神经网络对杜 芬(Duffmg)方程和一实际结构在不同输入条件下的响应进行预测 。仿真结果表明，利用动 态神经 网络对结构响应有较好的预测效果 。 关键词 动态神经 网络，响应预测，误差瞬时反传算法 0 引言 由于结构的复杂性及非线性和系统的动态效应等方面的影响，使同一结构在不同的输 人条件下其响应呈现明显的非线性，难 以用精确的数学模型加以描述 ，使结构的振动响应 计算及预测存在一定难度 。 神经网络由于其固有的特性已被广泛的应用于振动工程及结构动力特性预测等领域 n ， 但利用神经 网络对一结构在不 同输入条件下的响应预测还少有研究 。本文将 讨论动态神经网络结构及算法，并利用动态神经网络对一理论模型和一实际工程结构模型 在不同条件下的响应进行预测 。 1 动态神经网络神经元模型及其算法 为处理动态系统 ，将前馈网络扩充为时空模型，即动态神经网络 。这种网络的连接权 不是单一的数字，而是一个线形时不变滤波器，其冲击响应为h(f)。在离散情况下，其 连接权是连续的离散化形式 ，是一个向量 。假定采样时间间隔为At，则 ，=nat若神经元 的输人信号是x，(f)。从而动态神经元的输出信号为： D M P Y1)= ( ∑^f(△f (△f一，))一0)=~~ZZw (f△f (△f—1))St一0s) i=1 l=0 i=l l=u 其中，M：一1，w (f)=h(A／t 。 收稿 日期：2003—09—18 维普资讯 2003年 12月 第 4期 教学与科技 21 定义瞬时误差平方和为 (，z)=1／2∑ )，其中ejf，zJ= )一Yj)为单元 的输 ， 出误差， 为输出层单元。根据瞬时反传算法 (TemporalBack-PropagationLearning)对网 络的参数进行训练与学习方法，有以得到网络权值调整公式： w4-1)=w)一77 )(，)=一每为误差瞬时梯度)。 当然 ，此处的权值调整应根据神经元是否是隐含单元而采用不 同的调整方式。 2 数字模拟 下面利用动态神经网络对杜芬方程 (DuffingEquation)在不同激励条件下的解进行仿 真模拟。杜芬方程是 + =一8(0 (锨 + 。)+Fcosf~f，g1，方程中的Fc0sQt 是系统激励，在本仿真算例中，我们取￡=0．1， =O．3，卢=0．4。从图 1可以较明确看 出，利用动态神经网络对杜芬方程的解有较好的预测效果，波形基本一致，但预测响应同 数值解有一定相位差。 0 05 O ， O 5 f_t n 5 n 0 1 n 7 亡／ S b) ￡／ s a 】 图 1 利用动态神经网络对杜芬方程响应预测结果 a) ……杜芬方程在激励20cosl20t下的数值解 — — 动态神经网络对激励 20cosl20t下方程 的训练结果 b)