深度学习对抗网络生成单人跳跃荷载

摘要：

现有单人跳跃荷载模型通常基于周期性或平稳性假定,从实验数据中人工提取脉冲特征、动载因子和接触率等特征参数来建立,特征参数的选择主观性强.深度学习理论能够自动分析和提取样本特征,进而生成全新的样本.这其中,生成式对抗网络(GANs)的出现极大地提高了生成样本的质量.因此,通过综合条件GANs和带有梯度惩罚的Wasserstein-GANs,提出了模拟单人跳跃荷载的GANs模型.该模型的生成器具有5个全连接层和1个一维卷积层,判别器则具有5个全连接层,并拥有大量频率丰富的实测单人跳跃荷载样本.经过一百万次训练后,生成器可以生成与真实样本非常相似的高质量样本.通过比较生成样本与真实样本的平均功率谱密度和单自由度响应,验证了所提出的GANs模型可用于生成单人跳跃荷载.

关键词：跳跃荷载、振动舒适度、生成式对抗网络、深度学习

所属期刊栏目：32

分类号：TU312+.1(建筑结构)

资助基金：国家自然科学基金重点项目U1711264;上海中医健康服务协同创新中心开放项目ZYJKFW201811009

在线出版日期：2019-12-13（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：856-862