BP和RBF网络的结构动力响应预测对比

英文篇名：Prediction of Structural Dynamic Response Based on RBF Neural Network
中文刊名：淮海工学院学报(自然科学版)
英文刊名：Journal of Huaihai Institute of Technology(Natural Sciences Edition)
作者：郭剑虹
英文作者：GUO Jian-hong(College of Architectural Engineering ; Shanghai Normal University ; Shanghai 201418 ; China)
中文关键词：结构控制 ; 动力响应 ; BP神经网络 ; RBF神经网络 ; 预测
英文关键词：structural control ; dynamic response ; BP neural network ; RBF neural network ; prediction
出版日期：2007-06-15
机构：上海师范大学建筑工程学院上海201418
年：2007
期：02
出版单位：淮海工学院学报(自然科学版)

摘要

主动控制中存在时滞效应,在线实时预测结构响应,可以解决这个问题。不同的神经网络对结构响应的预测效果是不同的,针对BP网络和RBF网络的不同特点,对它们的预测效果做了对比研究。仿真结果表明,RBF神经网络训练速度快、精度高,可及时为主动控制建筑结构响应提供较为准确的优化性能指标,从而为实现在线实时控制结构响应提供优良的保证。
The time lag in active control can be solved by the real-time prediction of structural dynamic response.The response of structure is predicted with RBF neural network in this paper and it was compared with the results of BP neural network.Simulation results suggest that RBF neural network is feasible and fast in predicting structural dynamic response with great accuracy.The method can offer more accurate optimization performance indexes for the structural response,and thus it can guarantee the realization of online real-time control structural response.

引文

[1]杜永峰,李慧,赵国藩.地震作用下结构振动最优控制的一种一般算法[J].大连理工大学学报,2004,44(6):864-869.
    [2]杜永峰,白莉,夏亚峰,等.小震下隔震结构的随机响应及失效概率分析[J].兰州理工大学学报,2004,30(6):101-105.
    [3]杜永峰.被动与智能隔震结构地震响应分析及控制算法[D].大连:大连理工大学,2003.
    [4]沈谦,王涛.结构优化的RBF神经网络学习算法[J].微电子学与计算机,2000(4):14-18.
    [5]李庆丰,彭刚,李黎.人工神经网络对结构动力响应的预测[J].三峡大学学报:自然科学版,2003,25(3):215-217.
    [6]徐建功,王肇民,何玉敖.基于预测控制的结构振动半主动控制研究[J].世界地震工程,2003,19(2):126-131.
    [7]阎石,林皋,黎海林.人工神经网络在结构振动控制中应用[J].大连理工大学学报,2000,40(5):589-592.
    [8]翟东武,朱晞.基于神经网络的结构振动响应预测控制[J].清华大学学报:自然科学版,2000,40(S1):61-65.
    [9]吴建军,何玉敖.结构振动控制中神经网络应用的新进展[J].世界地震工程,2000,1(16):10-19.
    [10]张顺宝.基于神经网络的结构振动最优控制[J].工程力学,2000(增刊):436-440.