Lanzhou University of Technology Institutional Repository （LUT_IR）
| 题名 | 基于神经网络的结构智能控制研究 |
| 作者 | 郭剑虹 |
| 学位类型 | 硕士 |
| 导师 | 杜永峰 |
| 答辩日期 | 2002 |
| 学位授予单位 | 兰州理工大学 |
| 学位名称 | 工学硕士 |
| 学位专业 | 结构工程 |
| 关键词 | 结构主动控制 最优控制算法 序列最优控制 神经网络 预测 结构动力响应 |
| 摘要 | 由于结构主动控制对地震反应振动控制的高效性，使主动控制在建筑结构振动控制领域中，具有广阔的应用前景，但是主动控制存在难以建立一个精确的数学模型，存在时滞效应等问题。神经网络不需要建立精确的数学模型，只是通过学习输入输出训练样本数据，就可归纳出隐含在系统输入输出中的关系；应用神经网络预测结构响应可以解决主动控制中的时滞问题，为控制决策提供依据。目前常用的预测神经网络主要有BP神经网络和RBF神经网络。 BP神经网络存在学习速度慢、易陷入局部极小的缺点，且BP神经网络的学习，记忆具有不稳定性；与BP神经网络相比，RBF神经网络学习速度快，动态仿真性强，具有较强的非线性输入输出映射功能和全局最优逼近性质，能避免局部最小，能够线性调整权值，不反向传播误差，同时硬件实现相对简单，近年来倍受人们的关注，已成为对各种非线性系统进行实时识别和控制的良好选择。 |
| 其他摘要 | Abstract Structural active control is more efficient in the control of seismic response, which makes active control have wide application prospect in the field of structural vibration control. But active control is hard to establish an accurate mathematics model and has the problem of time lag. Neural network need not establish accurate mathematics model, it sums up the relation implicit in the systematic input output through studying input output training sample data. Applying neural network to predict structural response may solve the problem of time lag in active control and offer basis for controlling decision. |
| 页数 | 63 |
| 语种 | 中文 |
| 学号 | P0208140211 |
| 文献类型 | 学位论文 |
| 条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/100719 |
| 专题 | 兰州理工大学 |
| 作者单位 | 兰州理工大学 |
| 第一作者单位 | 兰州理工大学 |
| 推荐引用方式 GB/T 7714 | 郭剑虹. 基于神经网络的结构智能控制研究[D]. 兰州理工大学,2002. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [郭剑虹]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [郭剑虹]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [郭剑虹]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论