改进生成对抗网络及其在结构非线性模型修正中的应用

摘要：

提出改进生成对抗网络(Generative Adversarial Network,GAN)并在结构非线性模型修正中成功应用.在改进的GAN中,通过引入代理模型的方式,增强网络判别器对非线性结构各节点响应关系特征的学习能力;为避免传统GAN存在的梯度消失问题,使用跳跃连接和密集连接等方式加强网络层之间的信息交流,并且通过引入组合目标函数,构建模型输入响应与输出参数之间的映射关系实现网络训练.在进行结构非线性模型修正时,结构的动力响应作为网络模型的输入,训练好的GAN模型能够根据输入数据的特征,输出非线性模型参数的最优值,从而实现结构非线性模型修正.通过对地震荷载作用下的12层钢筋混凝土框架结构进行数值模拟,验证了方法的可行性,并通过对比基于卷积神经网络的非线性模型修正结果,验证所提方法的优越性;最后进一步结合地震荷载作用下的悬臂铝梁振动台实验,验证了该非线性模型修正方法的可靠性.

关键词：非线性模型修正、改进生成对抗网络、非线性结构、网络训练

所属期刊栏目：36

分类号：TU311.3;O322(建筑结构)

资助基金：国家自然科学基金;安徽省重点研究与开发计划资助项目;中央高校基本科研业务费专项资金资助项目

在线出版日期：2023-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：934-945