论文部分内容阅读
本文尝试建立了一个砌体墙板在面外水平荷载作用下破坏模式和破坏荷载的人工智能实验环境,以便能够准确快捷地依据基础墙板(标准试验墙板)的试验结果预测出类似砌体墙板的试验结果,节省昂贵的试验经费和时间。 研究中主要运用了人工智能领域的前沿理论—细胞自动机技术(Cellular Automata, CA)。通过人工匹配和状态值传递等相关知识理论,综合考虑了砌体墙板所具有的边界条件和其在实验室环境中发生的材料变异等几个重要因素,建立了基础墙板破坏模式的数字模型。并以此为匹配的模板,通过在待预测破坏模式的新墙板与已知基础墙板之间寻找类似区域的准则和方法,找出新墙板中具有和基础板有相同状态值的部分,由此确定待预测墙板中与基础板有相同状态值的地方发生了破坏。进而得出新砌体墙板的破坏模式。 与此同时,通过将细胞自动机技术与人工神经网络技术(Artificial Neural Networks,ANN)相结合,将试验墙板和用CA技术预测出的砌体墙板(按输入模式而选择的墙板)的破坏模式作为BP人工神经网络的输入,网络输出则为试验破坏荷载和用目前计算砌体墙板横向破坏荷载最精确的有限元技术预测出的破坏荷载,经网络学习后,获得了一个由破坏模式到破坏荷载的人工智能模型。 经由将预测结果与实验结果的对比分析,无论是砌体墙板的破坏模式还是破坏荷载都达到了相关的精度和准确性要求,由此建立了一个运用智能技术预测砌体墙板破坏模式和破坏荷载的人工智能实验环境。