基于RBF神经网络的单塔斜拉桥模型修正 (2013年)

为获得某单塔双索面斜拉桥换索过程中的工作状态，建立了一种联合子结构与径向基神经网络的有限元模型修正新方法。根据模型参数修正理论，通过分析设计参数的相对灵敏度确定需要修正的参数；为满足参数离散性要求，在模型修正过程中引入了子结构方法，并认为每一子结构中的设计参数是不变的。采用径向基(RBF)神经网络作为模型修正优化算法。将子结构与RBF神经网络相结合，从而将有限元模型修正的反问题转化为正问题；同时，对子结构的划分、RBF神经网络构建以及输入输出参数的确定进行了讨论。以某单塔斜拉桥为例，验证了所提的联合模型修