基于神经网络的门机金属结构有限元模型修正

传统的有限元模型修正方法计算量大,计算过程复杂、求解困难,为提高有限元模型的修正效率,提出了一种基于遗传算法优化的BP神经网络(GA-BP)有限元模型修正方法,针对BP神经网络的固有缺陷,引入遗传算法优化BP神经网络的参数,以结构响应为网络输入,结构参数为网络输出,构建了适用于起重机金属结构有限元模型修正的神经网络模型结构,最后通过所建立的GA-BP方法完成了门机金属结构的有限元模型修正。研究结果表明,与初始模型相比,修正后的有限元模型误差明显减少,精确性更高,可以保证结构有限元模型与实际结构的吻合度,为后续基于有限元模型的研究工作提供保障。