1、在結構分析中,大多為復雜非線性力學問題,其計算量巨大,即使使用最先進的巨型計算機也要消耗很多時間,因此常采用近似計算,應用神經(jīng)網(wǎng)絡計算來減少計算量。神經(jīng)網(wǎng)絡是人工智能和軟件計算的主要技術手段之一,近十年來得到了長足發(fā)展,通過簡單的矩陣加、乘計算,即可實現(xiàn)對復雜非線性系統(tǒng)機制的近似模擬。應用神經(jīng)網(wǎng)絡計算來實現(xiàn)結構分析是現(xiàn)在常用的近似計算手段之一。
　　在實際問題中材料性能參數(shù)具有分散性,可以認為是服從某種分布的隨機變量,在解決問題時

2、應考慮其隨機特點。 BP網(wǎng)絡和RBF網(wǎng)絡是常用于結構分析的兩種神經(jīng)網(wǎng)絡。當網(wǎng)絡輸入為隨機變量時,其輸出也是隨機變量。由于網(wǎng)絡結構的差異,對于相同的隨機輸入變量,不同的網(wǎng)絡其輸出量也將具有不同的隨機特性。然而上述網(wǎng)絡中,哪種網(wǎng)絡更能反應實際問題的隨機特性卻鮮有考慮。
　　本文首先簡單介紹了神經(jīng)網(wǎng)絡的原理以及神經(jīng)網(wǎng)絡的自身特點,并且著重介紹了兩種神經(jīng)網(wǎng)絡:BP神經(jīng)網(wǎng)絡和RBF神經(jīng)網(wǎng)絡。對于這兩種神經(jīng)網(wǎng)絡,從原理、模型、學習算法以及算法

3、步驟進行全面比較,并闡述了這兩種網(wǎng)絡各自的缺陷。然后,針對工程實際中材料性能參數(shù)為隨機變量這一特點,選取彈性薄板這一常用構件為力學模型,采用蒙特卡羅方法采點檢驗,對訓練后BP神經(jīng)網(wǎng)絡和RBF神經(jīng)網(wǎng)絡的誤差均值、最大最小誤差、誤差方差、三階中心距以及各誤差出現(xiàn)頻率,以此為依據(jù)對網(wǎng)絡泛化能力做出評價。最后選取懸臂梁這一力學模型,運用BP神經(jīng)網(wǎng)絡進行模擬,將其輸入變量按照蒙特卡羅方法假設為正態(tài)分布時,驗證其網(wǎng)絡輸出和誤差的規(guī)律。
　　通