期刊文献+

关于磁流变阻尼器神经网络模型的设计分析

下载PDF
导出
摘要 神经网络在控制领域受到重视主要归功于它的非线性映射能力、自学习适应能力、联想记忆能力、并行信息处理方式及其优良的容错性能。这些特.占、使得神经网络非常适合于复杂系统的建模和控制,特别是当系统存在不确定因素时,更体现了神经网络方法的优越性。考虑到建筑结构的不确定性和非线性,该文提出了基于神经网络的结构系统辨识方法,构造了具有一个隐含层的神经网络,用误差反向的传播算法训练,模拟了一个多层结构在地震作用下的动力响应特性。计算机仿真表明了该神经网络辨识结构的有效性。
作者 刘焊中
出处 《中国科技财富》 2010年第2期17-17,共1页 China Science and Technology Fortune Magazine
  • 相关文献

参考文献4

二级参考文献5

  • 1[1]Dyke S J,Spencer Jr B F,Sain M K,et al.Modeling and control of magnetorheological dampers for seismic response reduction.Smart Materials and Structures,1996;5:565-575 被引量:1
  • 2[2]Dyke S J,Spencer Jr B F,Sain M K et al.Experimental study of MR dampers for seismic protection.Smart Materials and Structures:Special Issue on Large Civil Structures,1998;7(5):693-703 被引量:1
  • 3[3]Spencer Jr B F,Dyke S J,Sain M K et al.Phenomenological model for magnetoreological dampers.Journal of Engineering Mechanics,ASCE,1997;123(3):230-238 被引量:1
  • 4[4]Nφrgaard M.Neural network based system identification toolbox.Technical Report 95-E-773,Department of Automation,Technical University of Denmark,1995 被引量:1
  • 5[5]Soong T T.Active structural control:theory and practice.New York:John Wiley & Sons,Inc.,1990 被引量:1

共引文献25

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部