论文部分内容阅读
摘 要：建筑结构的损伤识别、定位与抗震性能分析是土木建筑工程领域的重要研究课题。多层感知器（MLP）技术的应用，可以让人们借助结构响应（输入）与结构刚度（输出）之间的关系，开展建筑结构损伤检测工作，本文主要从MLP模型的相关概念入手，对基于MLP模型的建筑结构损伤与抗震性能分析的应用问题进行了分析。
关键词：MLP模型；建筑结构损伤检测；建筑抗震性能
中图分类号：TU317 文献标识码：A 文章编号：1004-7344（2018）15-0325-01
前 言
随着现代工业技术的不断发展，大型化和复杂化成为了现代空间结构的主要特点。以现代建筑空间结构为例，在大型化与复杂化的空间结构下，结构损伤问题的出现，会在改变建筑结构的强度和刚度的基础上，带来结构的突发性失效问题。结构损伤位置与损伤程度的准确预测，可以让人们借助对结构进行实时修复，降低结构损伤积累程度。
1 基于MLP模型的损伤检查与抗震性能分析方法的内容
基于多层感知器技术的神经网络建筑结构损伤检测与抗震性能分析方法是一种较为理想的检测方法。它可以将钢结构建筑模型中的柱截面积变化看作是判定结构损伤的依据，将建筑钢结构各层最大相对位移看作是损伤程度。与之相关的Opensee技术的有限元模型及神经元分析在这一检测方法中发挥着重要的作用。相关人员在输入地震数据以后，可以借助损伤结构场景分析，确定每个层的最大相对位移，最后将建筑结构中的柱的横截面積视为输出。在抗震性能分析方面，地震工程模拟软件中的有限元分析模型的应用，可以让人们在系统加载地震数据获得更为精确的各层位移数据。
MLP结构检测模型的影响因素主要包括了以下内容：①各层的柱截面积；②弹性模量及重力载荷等因素的影响。节点与节点之间的链接是人工神经网络的基本结构的反映。在MLP模型应用于建筑损伤检测与抗震性能分析以后，人们可以通过调整各个链接或节点的权重或偏置属性的方式，对特定问题进行训练。
2 基于MLP模型的损伤检测与抗震性能分析方法的应用实例
MLP模型建立在神经网络技术的基础之上，人工神经元是神经网络技术的基本处理单元。一般情况下，建筑结构的建模物理参数是建筑损伤探测的输入内容，结构模态参数为输出内容。多层感知器（MLP）技术的应用，可以让人们借助结构响应（输入）与结构刚度（输出）之间的关系，开展建筑结构损伤检测工作。
以建筑中的钢结构模型为例，根据MLP模型的自身特点及建筑行业的发展现状，实验者可以通过构建三层钢结构建筑模型的方式，分析MLP模型在损伤检查与抗震性能分析方面的应用效果。在实验模型建构完成以后，研究者需要完成损伤场景的构建。在损伤场景的建构过程中，人们可以将三层钢结构的柱横截面积变化看作是损伤场景，并要通过借助MLP模型进行损伤探测的方式，确定横截面积的预测值，在损伤检测与抗震性能分析工作开展过程中，人们也需要对OpenSee中的有限元模型和非线性时程分析技术进行应用。在三层钢结构建构完成以后，第一层、第二层和第三层的横截面积、弹性模量和重力载荷等内容也是人们在基于MLP模型的抗震性能分析中所不可忽视的内容。出于评估建筑抗震性能的需要，人们可以将结构失效概率看作是建筑抗震性能的度量标准。
2.1 建筑结构与地震数据
在应用于建筑结构损伤检测与抗震性能分析的研究模型建构过程中，人们可以借助OpenSee技术构建一种高度为9m，宽度为4m的建筑模型[2]。在这一模型之中，钢结构关系用完全弹性塑钢模型表述，钢结构的长和宽分别为0.183m和0.1m。根据地震分析工作的实际情况，FEMA440静力非线性抗震流程会在地震记录数据分析过程中得到应用。损伤位置的定位与损伤程度的量化分析，在地震数据分析过程中发挥着较为重要的作用。
2.2 MLP模型对建筑损伤的检测
MLP模型是人工神经网络技术发展进步的产物，它继承了并行分布的大规模信息处理方式在人工神经网络技术下所具有的自组织能力、自学习能力与联想记忆能力。模糊数学技术和建筑结构损伤的早期探测技术也在MLP模型中发挥着一定的作用。出于定位损伤位置和确定损伤程度的需要，人们在试验开展过程中，需要构建一种包含有多种不同损伤场景的数据集。
本文所涉及到的案例中应用的建筑结构模型为三层钢结构模型，数据集中每层的平均最大相对位移是人们确定MLP模型训练有效性的重要因素。根据每层平均最大相对位移的分析结果，第一层的位移预测值为0.0011，第二层和第三层的相关数值分别为0.0006和0.0013。故而试验结果表明MLP模型训练具有一定的实效性。
2.3 基于MLP模型的抗震性能评估
MLP模型建立以后，人们可以将结构失效概率看作是建筑抗震性能的度量标准。蒙特卡罗模拟法是计算每次迭代中的建筑失效概率的有效方式。在对主横截面积、弹性模量和重力载荷等随机变量的分布参数进行分析以后，我们可以发现，MLP模型具有着在失效概率估计中提供准确精度的能力。
3 结 语
MLP模型是人工神经网络技术发展进步的产物，具有着在失效概率估计中提供准确精度的能力。这一技术的应用，也有助于预测准确性的计算效率的提升。MLP模型建立以后，人们可以将结构失效概率看作是建筑抗震性能的度量标准。根据抗震性能分析工作的实际情况，系统输入与输出之间的关系具有一定的隐含性，MLP模型的应用，可以对系统输入与输出之间的关系进行有效模拟。
参考文献
[1]陈方宇，赵延忠.基于MLP模型的建筑结构损伤检测与抗震性能分析[J].湘潭大学自然科学学报，2018，40（01）：91～95.
[2]周祥国.人工智能技术在智能建筑中的应用[J].考试周刊，2016（29）：119～120.
收稿日期：2018-4-23
作者简介：汪 浩（1989-），男，助理工程师，大专，主要从事工程检测，建设工程结构可靠性鉴定、抗震鉴定等工作。
关键词：MLP模型；建筑结构损伤检测；建筑抗震性能
中图分类号：TU317 文献标识码：A 文章编号：1004-7344（2018）15-0325-01
前 言
随着现代工业技术的不断发展，大型化和复杂化成为了现代空间结构的主要特点。以现代建筑空间结构为例，在大型化与复杂化的空间结构下，结构损伤问题的出现，会在改变建筑结构的强度和刚度的基础上，带来结构的突发性失效问题。结构损伤位置与损伤程度的准确预测，可以让人们借助对结构进行实时修复，降低结构损伤积累程度。
1 基于MLP模型的损伤检查与抗震性能分析方法的内容
基于多层感知器技术的神经网络建筑结构损伤检测与抗震性能分析方法是一种较为理想的检测方法。它可以将钢结构建筑模型中的柱截面积变化看作是判定结构损伤的依据，将建筑钢结构各层最大相对位移看作是损伤程度。与之相关的Opensee技术的有限元模型及神经元分析在这一检测方法中发挥着重要的作用。相关人员在输入地震数据以后，可以借助损伤结构场景分析，确定每个层的最大相对位移，最后将建筑结构中的柱的横截面積视为输出。在抗震性能分析方面，地震工程模拟软件中的有限元分析模型的应用，可以让人们在系统加载地震数据获得更为精确的各层位移数据。
MLP结构检测模型的影响因素主要包括了以下内容：①各层的柱截面积；②弹性模量及重力载荷等因素的影响。节点与节点之间的链接是人工神经网络的基本结构的反映。在MLP模型应用于建筑损伤检测与抗震性能分析以后，人们可以通过调整各个链接或节点的权重或偏置属性的方式，对特定问题进行训练。
2 基于MLP模型的损伤检测与抗震性能分析方法的应用实例
MLP模型建立在神经网络技术的基础之上，人工神经元是神经网络技术的基本处理单元。一般情况下，建筑结构的建模物理参数是建筑损伤探测的输入内容，结构模态参数为输出内容。多层感知器（MLP）技术的应用，可以让人们借助结构响应（输入）与结构刚度（输出）之间的关系，开展建筑结构损伤检测工作。
以建筑中的钢结构模型为例，根据MLP模型的自身特点及建筑行业的发展现状，实验者可以通过构建三层钢结构建筑模型的方式，分析MLP模型在损伤检查与抗震性能分析方面的应用效果。在实验模型建构完成以后，研究者需要完成损伤场景的构建。在损伤场景的建构过程中，人们可以将三层钢结构的柱横截面积变化看作是损伤场景，并要通过借助MLP模型进行损伤探测的方式，确定横截面积的预测值，在损伤检测与抗震性能分析工作开展过程中，人们也需要对OpenSee中的有限元模型和非线性时程分析技术进行应用。在三层钢结构建构完成以后，第一层、第二层和第三层的横截面积、弹性模量和重力载荷等内容也是人们在基于MLP模型的抗震性能分析中所不可忽视的内容。出于评估建筑抗震性能的需要，人们可以将结构失效概率看作是建筑抗震性能的度量标准。
2.1 建筑结构与地震数据
在应用于建筑结构损伤检测与抗震性能分析的研究模型建构过程中，人们可以借助OpenSee技术构建一种高度为9m，宽度为4m的建筑模型[2]。在这一模型之中，钢结构关系用完全弹性塑钢模型表述，钢结构的长和宽分别为0.183m和0.1m。根据地震分析工作的实际情况，FEMA440静力非线性抗震流程会在地震记录数据分析过程中得到应用。损伤位置的定位与损伤程度的量化分析，在地震数据分析过程中发挥着较为重要的作用。
2.2 MLP模型对建筑损伤的检测
MLP模型是人工神经网络技术发展进步的产物，它继承了并行分布的大规模信息处理方式在人工神经网络技术下所具有的自组织能力、自学习能力与联想记忆能力。模糊数学技术和建筑结构损伤的早期探测技术也在MLP模型中发挥着一定的作用。出于定位损伤位置和确定损伤程度的需要，人们在试验开展过程中，需要构建一种包含有多种不同损伤场景的数据集。
本文所涉及到的案例中应用的建筑结构模型为三层钢结构模型，数据集中每层的平均最大相对位移是人们确定MLP模型训练有效性的重要因素。根据每层平均最大相对位移的分析结果，第一层的位移预测值为0.0011，第二层和第三层的相关数值分别为0.0006和0.0013。故而试验结果表明MLP模型训练具有一定的实效性。
2.3 基于MLP模型的抗震性能评估
MLP模型建立以后，人们可以将结构失效概率看作是建筑抗震性能的度量标准。蒙特卡罗模拟法是计算每次迭代中的建筑失效概率的有效方式。在对主横截面积、弹性模量和重力载荷等随机变量的分布参数进行分析以后，我们可以发现，MLP模型具有着在失效概率估计中提供准确精度的能力。
3 结 语
MLP模型是人工神经网络技术发展进步的产物，具有着在失效概率估计中提供准确精度的能力。这一技术的应用，也有助于预测准确性的计算效率的提升。MLP模型建立以后，人们可以将结构失效概率看作是建筑抗震性能的度量标准。根据抗震性能分析工作的实际情况，系统输入与输出之间的关系具有一定的隐含性，MLP模型的应用，可以对系统输入与输出之间的关系进行有效模拟。
参考文献
[1]陈方宇，赵延忠.基于MLP模型的建筑结构损伤检测与抗震性能分析[J].湘潭大学自然科学学报，2018，40（01）：91～95.
[2]周祥国.人工智能技术在智能建筑中的应用[J].考试周刊，2016（29）：119～120.
收稿日期：2018-4-23
作者简介：汪 浩（1989-），男，助理工程师，大专，主要从事工程检测，建设工程结构可靠性鉴定、抗震鉴定等工作。