[[alternative]]Optimal design of reinforced concrete structures using artificial neural networks

碩士[[abstract]]在傳統鋼筋混凝土結構設計中，結構尺寸與造型配置等變數一般都是利用以往經驗來設定初始值，例如梁柱長度與斷面型式、尺寸等等，事實上，這些變數之間都是相關的。工程師因設計時間過於倉促，最終設計成果往往未能有效率地使各個變數間發揮其最佳效能。而結構最佳化設計問題屬於具有限制條件、非線性以及離散變數的最佳化問題，傳統最佳化設計方法例如梯度法或線性規畫等方法並不適用於求解此類問題。 類神經網路法有別於以往傳統方法，是一種平行分散式處理計算模式。其基本的運作原理乃以大量、簡單的處理單元，或稱神經細胞互相連接，藉由整體處理單元對外界輸入訊號的簡單運算來處理資訊，擁有類似於人腦的許多特性及優點。 本研究主要目的在於將類神經網路法配合交叉驗證法與訓練測試法運用於鋼筋混凝土梁構件、柱構件、梁柱構架等結構成本最少化之最佳化設計，本文亦進一步綜合建立鋼筋混凝土建築結構成本最少化之最佳化設計模式。利用本文之研究成果，可使傳統僅滿足耐震需求的鋼筋混凝土建築結構，進一步達到成本最少化之最佳化設計。[[abstract]]In the traditional design of reinforced concrete structures, structural variables such as size and shape configurations generally use past experience to set the initial value such as the length, cross-section type and size of beam and column. In fact, these variables are correlated. Due to overly hasty design, the final results designed by engineer often failed to efficiently play the best performance for all structural variables. The optimization designs of structure belong to the constrained, nonlinear and discrete variable optimization problems. The traditional design methods such as optimal gradient method or linear programming are not applicable for solving this type of problem. Artificial Neural Networks method is different from the traditional one which is a kind of parallel distributed processing computing model. The basic principle of operation is based on a large but simple processing unit, or called Neuron connected to each other; by using the whole processing unit by the simple arithmetic of the external input signal to process information, which is similar to many features and benefits of human brains. Main purpose of this paper lies in the Artificial Neural Networks training with cross-validation method and Train-and-Test method used in reinforced concrete beam members, column members, beams and other structural cost minimization framework of optimal design. The paper has further consolidated to establish the cost minimization of reinforced concrete buildings of structural optimization design patterns. Using the results of this study can make traditional reinforced concrete structure which only meets seismic requirements further achieve cost minimization of the optimal design.[[tableofcontents]]目錄 誌謝 I 中文摘要 Ⅲ 英文摘要 Ⅳ 目錄 V 圖目錄 IX 表目錄 XI 第一章 緒論 1 1.1 研究背景與動機 1 1.2 研究目的 1 1.3 研究流程 5 1.4 研究內容 6 第二章 文獻回顧 8 2.1 最佳化設計方法 8 2.2 鋼筋混凝土結構最佳化 10 2.3 類神經網路 11 2.3.1類神經網路 11 2.3.2實驗計畫法(DOE) 17 第三章 基本理論 18 3.1 鋼筋混凝土設計 18 3.1.1 鋼筋混凝土單筋梁設計 18 3.1.2 鋼筋混凝土雙筋梁設計 19 3.1.3 鋼筋混凝土柱設計 20 3.2 類神經網路法介紹 21 3.2.1 類神經網路法摘要 21 3.2.2 類神經網路法發源 22 3.2.3 倒傳遞類神經網路法之機制 22 3.2.4 倒傳遞類神經網路法的演算步驟 26 3.2.5 類神經網路法之特色 29 3.3 CAFE軟體 30 第四章 最佳化設計模式 33 4.1基本假設 33 4.2 目標函數與束制條件 33 4.2.1 鋼筋混凝土單筋梁之束制條件 34 4.2.2 鋼筋混凝土雙筋梁之束制條件 35 4.2.3 鋼筋混凝土柱之束制條件 36 4.2.4 鋼筋混凝土構架之束制條件 37 4.3 CAFE軟體最佳化流程 37 4.3.1構件最佳化流程 38 4.3.2梁柱構架最佳化流程 38 4.4 小結 39 第五章 鋼筋混凝土梁構件最佳化設計 40 5.1 鋼筋混凝土單筋矩形梁最佳化設計 40 5.1.1基本設計資料 40 5.1.2案例一 44 5.1.3案例二 50 5.1.4案例三 54 5.2 鋼筋混凝土雙筋矩形梁最佳化設計 57 5.2.1基本設計資料 57 5.2.2案例四 61 5.2.3案例五 67 5.2.4案例六 71 5.3 結果討論 74 第六章 鋼筋混凝土柱構件最佳化設計 75 6.1 鋼筋混凝土柱最佳化設計 75 6.1.1基本設計資料 75 6.1.2案例一 80 6.1.3案例二 86 6.2 結果討論 91 第七章 鋼筋混凝土梁柱構架最佳化 92 7.1鋼筋混凝土梁柱構架最佳化設計 92 7.1.1基本設計資料 94 7.1.2案例一 97 7.2.3案例二 100 7.1.4案例三 102 7.1.5案例四 105 7.1.6案例五 108 7.1.7案例六 112 7.1.8案例七 115 7.2結果討論 118 第八章 結論與建議 119 8.1 結論 119 8.2 建議 121 參考文獻 122 圖目錄 圖 1.1傳統結構最佳化設計方法 2 圖 1.2基於神經網路之結構最佳化模式(三階段) 3 圖 1.3 基於神經網路之結構最佳化模式(整合版) 4 圖 3.1類神經網路流程圖 23 圖 3.2CAFE軟體最佳化流程圖 32 圖 5.1單筋梁斷面示意圖 40 圖 5.2案例一訓練測試法誤差收斂曲線 46 圖 5.3案例一交叉驗證曲線 47 圖 5.4案例一敏感性直條圖 47 圖 5.5案例一線性敏感性直條圖 47 圖 5.6案例一帶狀主效果圖 47 圖 5.7案例二訓練測試法誤差收斂曲線 52 圖 5.8案例二交叉驗證曲線 52 圖 5.9案例二線性敏感性直條圖 53 圖 5.10案例三訓練測試法誤差收斂曲線 55 圖 5.11案例三交叉驗證曲線 56 圖 5.12案例三線性敏感性直條圖 56 圖 5.13雙筋梁斷面示意圖 58 圖 5.14案例四訓練測試法誤差收斂曲線 63 圖 5.15案例四交叉驗證曲線 63 圖 5.16案例四線性敏感性直條圖 64 圖 5.17案例五訓練測試法誤差收斂曲線 69 圖 5.18案例五交叉驗證曲線 69 圖 5.19案例五線性敏感性直條圖 69 圖 5.20案例六訓練測試法誤差收斂曲線 72 圖 5.21案例六交叉驗證曲線 73 圖 5.22案例六線性敏感性直條圖 73 圖 6.1柱斷面示意圖 76 圖 6.2案例一訓練測試法誤差收斂曲線 82 圖 6.3案例一交叉驗證曲線 82 圖 6.4案例一線性敏感性直條圖 83 圖 6.5案例二訓練測試法誤差收斂曲線 87 圖 6.6案例二交叉驗證曲線 88 圖 6.7案例二線性敏感性直條圖 88 圖 7.1鋼筋混凝土構架圖 96 表目錄 表 5.1各案例設計參數範圍 42 表 5.2 最小梁斷面寬度(cm) 44 表 5.3 鋼筋總斷面積(cm2) 44 表 5.4案例一訓練相關係數因子 48 表 5.5案例一60t-m最佳化設計結果之比較 48 表 5.6案例一80t-m最佳化設計結果之比較 49 表 5.7案例一100t-m最佳化設計結果之比較 49 表 5.8案例一120t-m最佳化設計結果之比較 50 表 5.9案例二訓練相關係數因子 53 表 5.10案例二成本最佳化設計結果 53 表 5.11案例三訓練相關係數因子 56 表 5.12案例三成本最佳化設計結果 57 表 5.13雙筋梁各案例設計參數範圍 60 表 5.14案例四訓練相關係數因子 64 表 5.15案例四80t-m最佳化設計結果之比較 65 表 5.16案例四100t-m最佳化設計結果之比較 65 表 5.17案例四120t-m最佳化設計結果之比較 66 表 5.18案例四140t-m最佳化設計結果之比較 66 表 5.19案例五訓練相關係數因子 70 表 5.20案例五成本最佳化設計結果 70 表 5.21案例六訓練相關係數因子 73 表 5.22案例六成本最佳化設計結果 74 表 6.1各案例設計參數範圍 77 表 6.2 最小柱斷面寬度(cm) 79 表 6.3鋼筋總斷面積(cm2) 80 表 6.4案例一訓練相關係數因子 83 表 6.5案例一Pu=100t、彎矩30t-m最佳化設計結果之比較 84 表 6.6案例一Pu=200t、彎矩60t-m最佳化設計結果之比較 84 表 6.7案例一Pu=100t、彎矩80t-m最佳化設計結果之比較 85 表 6.8案例一Pu=200t、彎矩160t-m最佳化設計結果之比較 85 表 6.9案例二訓練相關係數因子 88 表 6.10案例二Pu=100t、彎矩30t-m成本最佳化設計結果 89 表 6.11案例二Pu=100t、彎矩50t-m成本最佳化設計結果 89 表 6.12案例二Pu=100t、彎矩80t-m成本最佳化設計結果 89 表 6.13案例二Pu=200t、彎矩30t-m成本最佳化設計結果 90 表 6.14案例二Pu=200t、彎矩50t-m成本最佳化設計結果 90 表 6.15案例二Pu=200t、彎矩80t-m成本最佳化設計結果 90 表 7.1各樓層地震力 96 表 7.2案例一最小可用標準斷面之層間位移轉角 98 表 7.3案例一最佳化標準斷面之層間位移轉角 99 表 7.4案例一最佳化分析結果之價格比較 99 表 7.5案例二最佳化標準斷面之層間位移轉角 101 表 7.6案例二最佳化分析結果之價格比較 102 表 7.7案例三最小可用標準斷面之層間位移轉角 104 表 7.8案例三最佳化標準斷面之層間位移轉角 104 表 7.9案例三最佳化分析結果之價格比較 105 表 7.10案例四最佳化標準斷面之層間位移轉角 107 表 7.11案例四最佳化分析結果之價格比較 108 表 7.12案例五最小可用標準斷面之層間位移轉角 110 表 7.13案例五最佳化標準斷面之層間位移轉角 110 表 7.14案例五最佳化分析結果之價格比較 111 表 7.15案例六最佳化標準斷面之層間位移轉角 113 表 7.16案例六最佳化分析結果之價格比較 114 表 7.17案例七最佳化可變斷面之層間位移轉角 116 表 7.18案例七最佳化分析結果之價格比較 117[[note]]學號: 600380397, 學年度: 10