報告書番号

U91046

タイトル（和文）

ニューラルネットワークを用いた非線形構造解析手法の検討（その１）構造物の履歴挙動のモデリングと動的応答解析への応用

タイトル（英文）

APPLICATION OF NEURAL NETWORKS TO NONLINER STRUCTURAL ANALYSIS (PART-1) MODELING OF HYSTERESIS BEHAVIOR AND APPLICATION TO NONLINEAR DYNAMICS RESPONSE ANALYSIS

概要 （図表や脚注は「報告書全文」に掲載しております）

本研究報告は，ニューラルネットワークを履歴挙動のモデリングに応用した結果を示すものである。計算力学分野におけるニューラルネットワークの利点は，任意の連続写像関数をネットワーク内部に表現できること，ネットワークがその自己組織化能力を用いて実験データから直接構築されることにある。この新しいモデリング手法を用いて，従来数学モデルとして多用される“Ｒａｍｂｅｒｇ－Ｏｓｇｏｏｄ”型の履歴曲線を学習させた。そして，学習後ネットワークを用いて，１質点系の非線形時刻歴応答解析を行い，数値解析におけるニューラルネットワークの有効性を検討した。ニューラルネットワークを用いた解析結果と，従来の数学モデルによる解析結果はほぼ一致するものであり，このことから，ニューラルネットワークによる履歴挙動のモデリングが，数学モデルと対等に数値解析に導入できることが確認された。

概要 （英文）

THIS REPORT DESCRIBES THE APPLICATION OF NEURAL NETWORKS TO HYSTERESIS MODELING. IN COMPUTATIONAL MECHANICS, THE ADVANTAGES OF USING NEURAL NETWORKS ARE AS FOLLOWS:(A)ANY MAPPING CAN BE REPRESENTED WITHIN A NEURAL NETWORK.(B)THE NETWORK CAN BE BUILT DIRECTLY FROM EXPERIMENTAL DATA USING THE SELF-ORGANIZING CAPABILITIES OF THE NEURAL NETWORK. THE SO-CALLED REMBERG-OSGOOD TYPE HYSTERESIS CURVES ,THAT ARE CURRENTLY USED AS A MATHEMATICAL MODEL,WERE TRAINED WITH THIS NEW MODELING STRATEGY. AFTER TRAINING,NON-LINEAR DYNAMIC RESPONSE ANALYSES FOR A SINGLE-DEGREE-OF-FREEDOM SYSTEM WERE CARRIED OUT TO CONFIRM THE EFFICIENCY IN THE APPLICATION TO COMPUTATIONAL ANALYSIS. CLOSE AGREEMENT WAS OBTAINED BETWEEN THE RESULTS OF THE PRESENT METHOD AND OF THE CURRENT MATHEMATICAL MODELING. THEREFORE,MODELING OF HYSTERESIS BEHAVIORUSING NEURAL NETWORK COULD BE INCORPORATED INTO COMPUTATIONAL ANALYSESAS AN ALTERNATIVE TO MATHEMATICAL MODELING.

報告者

キーワード