-
公开(公告)号:CN116204947A
公开(公告)日:2023-06-02
申请号:CN202211243200.0
申请日:2022-10-11
申请人: 中国人民解放军63921部队 , 北京工业大学
IPC分类号: G06F30/13 , G06F30/27 , G06N3/048 , G06N3/08 , G06F111/04
摘要: 本发明涉及一种基于神经网络的框剪结构倒塌面积快速评估方法。连续倒塌是指结构系统在意外荷载作用下发生初始局部破坏,这种破坏在构件间传播,最后造成整个结构系统的倒塌或不成比例的倒塌。由于结构倒塌会对人类生命财产造成巨大危害,因此需要对不同情况下的结构倒塌程度进行评估,针对框剪结构这种广泛使用的建筑结构形式评估倒塌破坏程度显得尤为重要。本发明通过有限元软件获得大量框剪结构倒塌计算结果,基于神经网络模型建立结构参数和倒塌破坏面积之间的复杂非线性关系,获得模型仅需提供少量结构参数即可得到倒塌破坏面积。利用本评估方法,可以极大缩短评估时间,同时保证预测精度,对框剪结构倒塌面积的评估具有十分重要的意义。
-
公开(公告)号:CN104924313A
公开(公告)日:2015-09-23
申请号:CN201510244111.1
申请日:2015-05-13
申请人: 北京工业大学
IPC分类号: B25J13/08
摘要: 具有模仿学习机制的手把手示教机械臂系统及方法,所述系统包括机械手臂和舵机组成的动作执行模块、多传感器组成的感知模块以及控制器构成的学习模块。本发明采用模块独立供电方式,在此基础上使用手把手离线示教,将一组由陀螺仪传感器和加速度计组成的动作检测装置作为感知模块搭载在机械臂上,采集机械臂在运动过程中的各连杆的状态信息,然后将这些信息应用模仿学习算法,指导机械臂系统模仿学习示教行为。本发明采取分级分层控制,提升了控制系统的针对性和信息传递效率,本发明能够通过学习获知示教行为的目的,在改变机械臂初始姿态或目标物体所在方位时依旧能够完成模仿任务,具有较高的智能程度。
-
公开(公告)号:CN104924313B
公开(公告)日:2017-03-01
申请号:CN201510244111.1
申请日:2015-05-13
申请人: 北京工业大学
IPC分类号: B25J13/08
摘要: 具有模仿学习机制的手把手示教机械臂系统及方法,所述系统包括机械手臂和舵机组成的动作执行模块、多传感器组成的感知模块以及控制器构成的学习模块。本发明采用模块独立供电方式,在此基础上使用手把手离线示教,将一组由陀螺仪传感器和加速度计组成的动作检测装置作为感知模块搭载在机械臂上,采集机械臂在运动过程中的各连杆的状态信息,然后将这些信息应用模仿学习算法,指导机械臂系统模仿学习示教行为。本发明采取分级分层控制,提升了控制系统的针对性和信息传递效率,本发明能够通过学习获知示教行为的目的,在改变机械臂初始姿态或目标物体所在方位时依旧能够完成模仿任务,具有较高的智能程度。
-
-