報告書番号

U92044

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２）薄肉直管の曲げ実験における履歴挙動のモデリング

タイトル（英文）

APPLICATIONS OF NEURAL NETWORKS TO NON-LINEAR STRUCTURAL ANALYSIS(PART-2)MODELING OF HYSTERETIC BEHAVIOR OBTAINED FROM BENDING TESTS OF THIN-WALLED STRAIGHT PIPES

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現実的な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。ニューラルネットワークによる認識対象は，薄肉直管の曲げ実験から得られた荷重－変位関係とした。この新しいモデリング手法を用いて実験から得られた履歴挙動を学習させた。学習データは典型的な履歴経路上から選択し，別途，構築したネットワークを検証するための未学習データを過渡的な経路上で準備した。学習後，構築したネットワークを用いて未学習データを認識させた結果，一部に再現精度の低下が確認されたが，変位方向を折り返す際の誤差を解消する補正方法を導入することにより再現精度が保持できることが確認された。

概要 （英文）

THIS REPORT DESCRIBES APPLICATION OF NEURAL NETWORKS TO REALISTIC HYSTERETIC MODELING. THE RECOGNITION TARGETS WERELOAD-DISPLACEMENT RELATIONSHIPS OBTAINED FROM BENDING TESTS OF THIN-WALLED STRAIGHT PIPES(TWO SPECIMENS). THE EXPERIMENTAL HYSTERETIC BEHAVIOR WAS TRAINED BY USING A NEURAL NETWORK AS A NEW MODELING STRATEGY. TRAINING CASES WERE SELECTED FROM TYPICAL HYSTERETIC PATHS,AND A TRANSIENTPATH WAS PREPARED AS UNTRAINED CASE. AFTER TRAINING THE UNTRAINED PATHWAS RECOGNIZED. ALTHOUGH THE REPRODUCIBILITY DECREASED IN PART OF THE HYSTERETIC BEHAVIOR,CLOSE AGREEMENT BETWEEN THE NEURAL NETWORK RESULT AND EXPERIMENTAL DATA WAS OBTAINED BY INTRODUCING A CORRECTION TO DECREASE THE ERROR WHEN THE MOVEMENT DIRECTION WAS REVERSED.

報告者

キーワード