基于神经网络模型更新的子结构试验方法

Substructure hybrid test, an important direction of civil engineering tests, is generally unable to exert its expected advantages due to poor preciseness of the constitutive model for numerical substructure. A neural network structure will be built to identify constitutive relationship and explore its optimization methods with an attempt to train, learn and predict on the hysteresis data of BRB through neural network. Furthermore, a two-story framework will be utilized in this research to carry out the model updating substructure hybrid experiment based on the optimized neural network so as to verify the validity and reliability of the model updating technique on the strength of neural network. Finally, a full-scale shaking table experiment will be conducted to make comparisons with the results of the hybrid test, proposing an error evaluation method for the model updating substructure experiment based on neural network. Results of this research will insure to improving the simulation precision of numerical substructures in hybrid experiments, which makes the results closer to the real response of the structure.

子结构混合试验方法是土木工程试验技术的一个重要研究方向，却经常受到数值子结构本构模型不够精确的影响，进而导致该试验方法发挥不出来应有的优势。本课题试图通过神经网络对BRB的滞回数据进行训练、学习和预测，建立用于识别本构关系的神经网络结构，并探明其优化方法。进一步地，以一个两层框架支承结构为试验模型，利用优化过的神经网络进行模型更新子结构混合试验，研究基于神经网络的模型更新子结构试验技术的有效性和可靠性。最后将试验结果与足尺的振动台试验数据对比分析，并提出基于神经网络模型更新子结构试验的误差评估方法。本课题的研究成果可以提高混合试验中数值子结构的模拟精度，从而使试验结果更加接近结构的真实响应。

子结构试验中非线性构件的数值模型精度是一个重要的科学问题，神经网络能够对无法用确定数值模型描述的系统进行辨识，实现本构模型的在线更新，有较大潜力解决数值模型缺陷引起的结构响应失真问题。本课题主要关注神经网络的鲁棒性控制、数值分析以及试验验证，围绕神经网络的鲁棒性控制方法、子结构试验系统搭建和子结构试验验证三个关键问题，探究了神经网络技术在模型更新子结构试验中的可行性与有效性。具体包括: (1) 提出了基于神经网络模型更新的子结构试验方法架构。从稳定性和自适应性两个方面进行了在线神经网络算法的鲁棒性控制研究：采用“离线训练+在线微调”的两阶段试验方法架构，即利用构件已有的试验数据离线训练神经网络模型，并将预训练好的神经网络模型作为数值子结构中相应构件的初始本构模型，再通过在线神经网络算法对不精确的神经网络模型进行在线微调，以保证在线识别系统的稳定性；每时步的在线训练样本采取“随机离线样本+带有遗忘因子的动态窗口样本”的组合方式，一部分样本从离线训练样本中随机选取，保证神经网络在旧任务中表现良好的能力；另一部分样本采用当前加载步试验子结构最近的批量样本，样本越新，给予的训练权重越大，提高在线识别系统的自适应性。（2）搭建了基于神经网络模型更新的子结构试验系统 (MATLAB-Openfresco-MTS子结构试验系统)，阐述了网络试验平台Openfresco与MTS加载控制系统、MATLAB软件(有限元分析和神经网络模型更新计算)之间的通讯连接方法，为后续相关的数值模拟以及试验验证提供系统支撑。（3）以带弯曲型阻尼器的两层两跨框架结构为例，设计了弯曲型阻尼器试验子结构，开展了基于神经网络模型更新的子结构试验验证，有效验证了神经网络方法在模型更新子结构试验中的可行性和有效性。本课题的研究成果可以为基于神经网络模型更新的子结构试验方法提供有效的理论支撑和技术指导。