報告書番号

U93051

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３）繰り返し劣化型履歴則のモデリング

タイトル（英文）

A Study on Applications of Neural Networks to Non-Linear Structural Analysis(Part-3)Modeling of Hysteretic Degrading Behaviors

概要 （図表や脚注は「報告書全文」に掲載しております）

本報告書は、ニューラルネットワークを現実的な履歴モデリングに応用した結果を示すものである。ニューラルネットワークによる認識対象は、薄肉直管の繰り返し曲げ実験から得られた荷重－変位関係とした。２種類のニューラルネットワークを用いた劣化型履歴則を学習させた。１つは耐荷力の低下を予測するネットワーク、他の１つは剛性低下を含んだ履歴経路を推定するネットワークである。学習済みのネットワークを用いて、幾つかの履歴経路を認識させた結果、実験結果と良好な一致をみた。従って、ニューラルネットワークによる履歴モデリングを用いれば非線形構造解析の精度は向上するであろうし、また、この精度の改善は限界状態設計の確立にも資するものと考えられる。

概要 （英文）

Neural Networks (NNs) are computing systems modeled after the structure of human brain, and there are a number of attempts to apply these approaches to structural engineering. NNs which are trained from examples, are bottom up systems, so that they can understand the mean characteristics of training examples, including some errors and noises. This capability is very useful for the analysis of complex experimental or numerical data. This report describes a realistic hysteretic modeling with NNs. The recognition targets with the NNs are load-displacement relations obtained from cyclic bending tests of thin-walled pipe beams (two specimens). The hysteretic behavior was caused by elephant-foot bulge at the lower part of the specimen. By using two kinds ofNNs, the hysteretic degrading behaviors were trained. One network was used for predicting the restoring force degradation, and the other was used for recognizing the hysteretic paths including the stiffness degradation. After training, some hysteretic paths were recognized, and good agreement between the results of the NNs and the experimental data was obtained. Therefore it is pointed out that the accuracy of non-linear structural analyses, for example, RBSM, DEM, multi-degree-of-freedom system and others, with NN modeling will be improved, and the improvement will also contribute to establish the ultimate state structural design.

報告者

キーワード