文献

J-GLOBAL ID：202202262578639400   整理番号：22A0474878

RC梁の機械学習に基づく適応劣化モデル【JST・京大機械翻訳】

Machine learning-based adaptive degradation model for RC beams

著者 (9件)： Wu Zi-Nan (State Key Laboratory of Subtropical Building Science, South China University of Technology, Guangzhou 510641, China) ,  Wu Zi-Nan (School of Civil Engineering & Transportation, South China University of Technology, Guangzhou 510641, China) ,  Han Xiao-Lei (State Key Laboratory of Subtropical Building Science, South China University of Technology, Guangzhou 510641, China) ,  Han Xiao-Lei (School of Civil Engineering & Transportation, South China University of Technology, Guangzhou 510641, China) ,  He An (State Key Laboratory of Subtropical Building Science, South China University of Technology, Guangzhou 510641, China) ,  He An (School of Civil Engineering & Transportation, South China University of Technology, Guangzhou 510641, China) ,  Cai Yan-Fei (School of Civil Engineering & Transportation, South China University of Technology, Guangzhou 510641, China) ,  Ji Jing (State Key Laboratory of Subtropical Building Science, South China University of Technology, Guangzhou 510641, China) ,  Ji Jing (School of Civil Engineering & Transportation, South China University of Technology, Guangzhou 510641, China)
資料名： Engineering Structures  (Engineering Structures)
巻： 253  ページ： Null  発行年： 2022年 
JST資料番号： C0709B  ISSN： 0141-0296  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 構造システムの信頼できる地震損傷評価は,部品の繰返し劣化を捉えることができる解析モデルを必要とする。本論文では,鉄筋コンクリート(RC)梁の適応劣化モデル(AUDM)を,機械学習アプローチに基づいて提案した。提案モデルは,以前のステップから導かれた解析結果に基づいて,埋込み人工ニューラルネットワークから構成パラメータを更新できる。それは,経験的方程式を構築することなく劣化を発生させる可能性を提供し,損傷の蓄積としてヒステリシス形状を更新し,非線形解析における可変剪断-曲げ相互作用の影響を説明する。バックボーン曲線,ヒステリシス挙動および周期的劣化規則を含む提案モデルの詳細を最初に記述した。繰返し荷重下の100のカンチレバー長方形RC梁から成る実験的データベースを既存文献から収集し,提案モデルにおける構成パラメータを同定した。提案モデルにおける構成パラメータを予測するための人工ニューラルネットワークを開発し,同定したデータに基づいて訓練し,次に,AUDMを実装するためにオープンソース計算プラットフォームOpenSeesに埋め込んだ。繰返し荷重下のRC梁の試験結果に基づくOpenSeesにおいて,既存の一般的に用いられる劣化モデルに対する提案モデルの精度を明らかにした。提案したAUDMは,横方向支持力,散逸エネルギー,繰返し劣化および異なる破壊モードの下でのヒステリシス形状に関して,既存の劣化モデルよりも優れており,-0.19と0.19の間の範囲のエネルギー散逸能力の相対誤差および0.259未満の強度劣化に対する最大平方根誤差を有することが分かった。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *梁 ,  剪断 ,  相互作用 ,  データベース ,  繰返し荷重 ,  片持梁 ,  ニューラルネットワーク ,  鉄筋コンクリート ,  支持力 ,  非線形解析 ,  震災 ,  破壊モード ,  *機械学習 ,  解析モデル
準シソーラス用語： *鉄筋コンクリート梁 , 【Automatic Indexing@JST】

著者キーワード (6件)： 劣化モデル ,  適応更新 ,  鉄筋コンクリート梁 ,  人工ニューラルネットワーク ,  実験的データベース ,  OpenSees

分類 (1件)： コンクリート構造  (RA04030A)

タイトルに関連する用語 (4件)： RC梁 ,  機械学習 ,  適応 ,  劣化モデル