文档介绍：人工神经网络技术在FRP管混凝土组合结构研宄领域
的应用
[摘要]本文将人工神经网络技术应用于FRP管混凝土组合结构,对该结构力学试验数据进行训练。对训练结果进行了验证,证明通过训练能够得到较为精确的训练模型,可以利用该技术对FRP管混凝土组合结构领域进行力学性能分析。
[关键词]FRP;混凝土;人工神经网络中图分类号:TU375文献标识码:A文章编号:
1009-914X (2017) 07-0380-01
引言
纤维增强复合材料(fiber reinforced polymer,简称FRP)是由纤维材料与基体材料按一定比例混合并经过一定工艺复合形成的高性能新型材料。这种材料强度高、材质轻、耐腐蚀性好等众多优点使其越来越多应用于土木工程领域,如对已发生破坏的混凝土结构进行加固、与钢和混凝土形成新的组合结构等。国内外众多学者都对FRP混凝土组合结构进行研究,使其成为土木工程领域的热点研宄问题。
神经网络技术是人工智能计算领域较为常用的方
法,其本质是种数学方法,是一种通用的逼近器。它由许多互相连同的神经元构成,组成一个神经网络, 来摸拟人脑处理信息。神经网络技术的最大优势在于能够建立隐式的数学模型,即通过训练试验数据,即可建立起输入与输出的数学关系,实现低误差预测。
本课题组在FRP混凝土组合结构方向进行了大量的研究工作,积累了较多试验数据[1-7]。本次研究工作是以这些试验数据为基础,利用人工神经网络技术对试验结果进行预测,为FRP混凝土组合结构力学性能研究提供了新思路。
1 BP神经网络
BP (back propagation)神经网络是一种多层前馈
神经网络,该网络的主要特点是信号向前传递,误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理,直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出, 则转入反向传播,根据预测误差调整网络权值和阈值, 从而使BP神经网络预测输出不断逼近期望输出。
2网络训练
本研究选择2隐含层,每个隐含层7个节点,节点传递函数选择logsig和tansig函数,训练迭代次数设置为200,学****速率为1%,,由
于输入数据之间的单位差异,为提高训练精度,训练前对输入数据进行归一化处理。数据归一化处理把所有数据都转化为[0, 1]之间的数,避免因输入输出数据数量级差别较大而造成网络预测误差较大。网络拓扑图如下图所示:
3模型验证
随机选择6组试验数据(未参与网络训练)验证网络精度,预测值与实验值(包括训练数据)对比如图2所示:
通过对比可以发现,%,除? 傻阃馄溆辔蟛钊?部在10%之内,并且变化趋势与真实试验值相符。所以我们认为通过之前的27组数据训练出来的神经网络,有较高精度和泛化能力。
4结论
通过对FRP混凝土组合结构力学性能试验结果的数据的训练,得到精度较高的神经网络模型,并可运用该模型进行力学性能分析,证明该方法可以运用到土木工程领域。
基金项目
国家级大学生创新项目(201510220006)、黑龙江省教育厅科研项目(12543023)
参考文献
[1] 张云峰,陈佳楠,赵德望,