基于PSO-GRNN的大跨桥梁有限元模型修正方法OA北大核心CSTPCD

为了对大跨桥梁的有限元模型进行高精度修正,提出了一种基于粒子群算法-广义回归神经网络(PSO-GRNN)的方法.该方法采用广义回归神经网络(GRNN)来描述有限元模型输出与待修正参数之间的复杂非线性映射关系,利用粒子群(PSO)算法对GRNN的光滑因子进行优化.采用一座大跨钢箱梁悬索桥的有限元模型对提出的修正方法进行了验证.研究结果表明:经过PSO优化后的GRNN能够更加准确地描述频率-待修正参数之间的非线性关系,预测误差显著减小;相比于误差反向传播(BP)神经网络方法,GRNN方法和PSO-GRNN方法修正后的频率误差更小;由于PSO的优化,PSO-GRNN方法修正后的频率误差进一步减小,最大误差不超过5%;基于PSO-GRNN的修正方法可广泛用于各种大跨桥梁有限元模型的修正.