反向传播神经网络在隐框玻璃幕墙脱胶损伤识别中的应用

摘要：

引入反向传播(BP)神经网络法,首先择取玻璃面板关键部位的25种动力响应参数、动力特性参数以及隐框玻璃幕墙尺寸以归类神经网络数据库.采用非线性弹簧单元模拟结构胶本构行为及其组合局部脱胶状态,采用有限元方法对不同脱胶状态的隐框玻璃幕墙单元进行了拉压状态下的参数化分析,量化描述了12 545种工况下各脱胶状态,并建立训练数据库.采用反向传播神经网络方法训练检验了数值模拟样本并校验预测精度.结果 显示采用本方法可以较好预测隐框玻璃幕墙的组合脱胶状态.

关键词：隐框玻璃幕墙、结构胶脱胶、损伤识别、反向传播神经网络

所属期刊栏目：47

分类号：TU382(建筑结构)

资助基金：国家重点研发计划项目2017YFC0806100;上海市科委科研计划项目17DZ1200306;上海市教委科研创新项目14ZZ027

在线出版日期：2019-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1073-1079