【摘要】：傳統(tǒng)的鋼框架連接不是剛接或理想鉸接,而是半剛性連接。為了獲取半剛性連接節(jié)點(diǎn)的真實(shí)性能,國(guó)內(nèi)外學(xué)者針對(duì)半剛性連接展開了大量的研究。由于目前的研究方法主要從單一變量的角度對(duì)半剛性節(jié)點(diǎn)進(jìn)行研究,而忽略了變量之間的相關(guān)性對(duì)于半剛性節(jié)點(diǎn)的影響,在采用理論解析計(jì)算節(jié)點(diǎn)初始轉(zhuǎn)動(dòng)剛度時(shí)仍存在較大的偏差。因此本文考慮應(yīng)用神經(jīng)網(wǎng)絡(luò)良好的非線性映射能力以及對(duì)于樣本數(shù)據(jù)的學(xué)習(xí)能力,以半剛性節(jié)點(diǎn)數(shù)據(jù)庫(kù)為基礎(chǔ),從多變量的角度采用神經(jīng)網(wǎng)絡(luò)對(duì)半剛性端板連接節(jié)點(diǎn)的初始轉(zhuǎn)動(dòng)剛度進(jìn)行預(yù)測(cè)研究。本文的具體研究?jī)?nèi)容如下:(1)通過對(duì)BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的研究,選用了具有最佳一致逼近性的RBF神經(jīng)網(wǎng)絡(luò)作為后續(xù)學(xué)習(xí)、預(yù)測(cè)的工具。提出了一種改進(jìn)粒子群算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,與傳統(tǒng)的遺傳算法和粒子群算法相比剛度預(yù)測(cè)結(jié)果具有良好的精度,同時(shí)能夠更好地表示節(jié)點(diǎn)之間剛度的變化趨勢(shì)。(2)針對(duì)神經(jīng)網(wǎng)絡(luò)輸入變量,通過已有的文獻(xiàn)和試驗(yàn)研究初步確定了半剛性端板連接節(jié)點(diǎn)的柱、端板、螺栓和梁的幾何尺寸作為主要的神經(jīng)網(wǎng)絡(luò)輸入變量。提出了一種參數(shù)優(yōu)化后的核主成分分析方法對(duì)變量進(jìn)行處理,相比于傳統(tǒng)的主成分分析方法能夠有效地提升RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度。(3)針對(duì)半剛性端板連接節(jié)點(diǎn)暫無(wú)統(tǒng)一的的分類標(biāo)準(zhǔn),本文引入了聚類的思想對(duì)節(jié)點(diǎn)樣本進(jìn)行類別的劃分。提出了一種基于改進(jìn)粒子群算法的模糊c均值聚類,相比于傳統(tǒng)的k均值聚類方法具有良好的穩(wěn)定性。(4)通過對(duì)三組半剛性端板連接節(jié)點(diǎn)的討論,應(yīng)用神經(jīng)網(wǎng)絡(luò)優(yōu)化算法、聚類分析方法以及核主成分分析方法對(duì)初始轉(zhuǎn)動(dòng)剛度進(jìn)行預(yù)測(cè)研究,預(yù)測(cè)剛度和試驗(yàn)剛度吻合較好,從而驗(yàn)證了本文方法在半剛性節(jié)點(diǎn)初始轉(zhuǎn)動(dòng)剛度預(yù)測(cè)中的有效性和實(shí)用性。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TU391

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉興杰;岑添云;鄭文書;米增強(qiáng);;基于模糊粗糙集與改進(jìn)聚類的神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)[J];中國(guó)電機(jī)工程學(xué)報(bào);2014年19期

2 張?chǎng)卧?胡曉敏;林盈;;遺傳算法和粒子群優(yōu)化算法的性能對(duì)比分析[J];計(jì)算機(jī)科學(xué)與探索;2014年01期

3 樓俊鋼;蔣云良;申情;江建慧;;軟件可靠性預(yù)測(cè)中不同核函數(shù)的預(yù)測(cè)能力評(píng)估[J];計(jì)算機(jī)學(xué)報(bào);2013年06期

4 何東;劉瑞葉;;基于主成分分析的神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)集成風(fēng)功率超短期預(yù)測(cè)[J];電力系統(tǒng)保護(hù)與控制;2013年04期

5 朱艷偉;石新春;但揚(yáng)清;李鵬;劉文穎;魏德冰;付超;;粒子群優(yōu)化算法在光伏陣列多峰最大功率點(diǎn)跟蹤中的應(yīng)用[J];中國(guó)電機(jī)工程學(xué)報(bào);2012年04期

6 石永久;王萌;王元清;施剛;;鋼框架端板連接半剛性節(jié)點(diǎn)受力性能分析[J];工程力學(xué);2011年09期

7 周松林;茆美琴;蘇建徽;;基于主成分分析與人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測(cè)[J];電網(wǎng)技術(shù);2011年09期

8 梁勝杰;張志華;崔立林;;主成分分析法與核主成分分析法在機(jī)械噪聲數(shù)據(jù)降維中的應(yīng)用比較[J];中國(guó)機(jī)械工程;2011年01期

9 朱海梅;吳永萍;;一種高速收斂粒子群優(yōu)化算法[J];控制與決策;2010年01期

10 劉蕊潔;張金波;劉銳;;模糊c均值聚類算法[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年02期

相關(guān)博士學(xué)位論文 前2條

1 董現(xiàn);多維相關(guān)參數(shù)模型近似和隨機(jī)分析方法研究及應(yīng)用[D];華南理工大學(xué);2015年

2 潘建榮;基于相關(guān)性的框架節(jié)點(diǎn)半剛性分析方法研究[D];汕頭大學(xué);2009年

相關(guān)碩士學(xué)位論文 前1條

1 張佳寧;基于神經(jīng)網(wǎng)絡(luò)的城市交通流量預(yù)測(cè)模型研究[D];廣東工業(yè)大學(xué);2016年

，

本文編號(hào)：2613837