科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文提出改进生成对抗网络（Generative Adversarial Network,GAN）并在结构非线性模型修正中成功应用。在改进的GAN网络中，通过引入代理模型的方式，增强网络判别器对非线性结构各节点响应关系特征的学习能力；为避免传统GAN网络存在的梯度消失问题，使用跳跃连接和密集连接等方式加强网络层之间的信息交流，并且通过引入组合目标函数，构建模型输入响应与输出参数之间的映射关系，实现网络训练。在进行结构非线性模型修正时，结构的动力响应作为网络模型的输入，训练好的GAN网络模型能够根据输入数据的特征，输出非线性模型参数的最优值，从而实现结构非线性模型修正。通过对地震荷载作用下的12层钢筋混凝土框架结构进行数值模拟，验证了方法的可行性，并通过对比基于卷积神经网络的非线性模型修正结果，验证所提方法的优越性；最后，进一步结合地震荷载作用下的悬臂铝梁振动台实验验证了该非线性模型修正方法的可靠性。
- 出版日期2022-3-18
- 单位合肥工业大学
