欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020114945172
申请人: 青岛理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于神经网络的桥梁索力振动法多参数识别方法,其特征在于:以索长L、线密度m、抗弯刚度EI、一阶频率f1、二阶频率f2、三阶频率f3为模型的网络输入,以索力F为网络输出,构建神经网络索体系桥梁索力预测模型,利用模拟数据对模型进行训练后得到成熟的神经网络;预测索力时,直接输入索长、线密度、抗弯刚度以及自振频率即可得到预测索力值。

2.如权利要求1所述的基于神经网络的桥梁索力振动法多参数识别方法,其特征在于:以索长L、线密度m、抗弯刚度EI、一阶频率f1、二阶频率f2、三阶频率f3为输入单元,以索力F为输出单元,构建广义回归神经网络索力预测模型。

3.如权利要求2所述的基于神经网络的桥梁索力振动法多参数识别方法,其特征在于:最佳spread值在[0.00205,0.00215]。

4.如权利要求1所述的基于神经网络的桥梁索力振动法多参数识别方法,其特征在于:输入神经元的个数与学习样本中输入向量的维数一致。

5.如权利要求1所述的基于神经网络的桥梁索力振动法多参数识别方法,其特征在于:以索长L、线密度m、抗弯刚度EI、一阶频率f1、二阶频率f2、三阶频率f3为输入单元,以索力F为输出单元,构建BP神经网络索力预测模型。

6.如权利要求5所述的基于神经网络的桥梁索力振动法多参数识别方法,其特征在于:神经网络共包含两个隐含层,两个隐含层的节点数均为13,即神经网络结构为6‑13‑13‑1。

7.如权利要求5所述的基于神经网络的桥梁索力振动法多参数识别方法,其特征在于:输入层到隐含层1、隐含层1到隐含层2、隐含层2到输出层的激励函数分别为tansig、tansig和purelin,训练函数为trainlm;训练步数为1000,目标误差为0.001,学习速率为0.1,显示间隔为100。