基于知识的神经网络抗震结构动力分析研究

恢复力模型是研究结构抗震性能的重要工具，提出神经网络恢复力模型的概念并研究完善建模方法是本项目的核心内容。新模型实质上是一个具备了恢复力特征知识的神经网络，而其知识的获得则是充分利用了神经网络的智能特性通过自学习来完成的，理论上对任意结构构件均适用且形式统一。在此基础上展开了针对该模型特点的应用研究：一是模拟结构构件在的低周反复荷载作用下的抗震试验，作为真实试验的补充，以节省昂贵的试验费用；进行在地震作用下的非线性时程反应分析方法的理论研究，结果表明利用有限差分法、显函数法等可以类似于拟动态试验过程那样无需迭代快速地完成振动分析过程，同时根据振动过程中的耗能等指标来判断构件的损伤状态。