|
|||||
|
|
| 基于优化神经网络的桁架有限元模型修正 | |
| 摘 要： | 阐述了基于优化BP神经网络的桁架结构有限元修正原理,提出了用遗传算法对BP神经网络进行优化和编程,并用超高塔架有限元模型算例验证了该方法的有效性和准确性.研究结果表明:未经修正的有限元模型的误差在4%,修正后的误差降低到0.84%以下,通过置信准则MAC值验证了GABP方法修正后MAC值提高到0.94以上,而未修正时MAC值在0.7以上.证明了优化BP神经网络修正过的桁架结构比未经过修正的结构更符合实际工程,该方法为日后同类型超高桁架结构的有限元模型修正提供了一定的参考. |
| 本文献已被 CNKI 等数据库收录！ | |