The Application on Lead Rubber Bearing for Parametric Studies Considering Back-propagation Networks Techniques

近年來精密科技產業發展十分迅速，成為國內新興科學園區中的主流，然而台灣地區發生地震極為頻繁，容易造成機械設備損壞或嚴重影響產能，為了減少這種情況的發生，機械設備的隔減震研究與評估應該受到重視。 本研究嘗試模擬於機械基座下方裝置鉛心橡膠墊來作隔震改良，並應用基礎隔震的觀念將模型建構成雙自由度隔震系統，接著採用類神經網路中的倒傳遞網路模式，結合EDBD演算法來進行網路學習，以取代一般傳統分析方法來預測結果。 本研究之主要成果與貢獻在於：（1）EDBD演算法能有效加速網路學習的收斂狀況與提高預測準確度；（2）各基本設計參數之相對重要性分析結果能得到最具影響力的輸入參數，可提供於改良設計之參考；（3）網路輸出參數對輸入參數的反應趨勢結果，可提供於減低結構反應改良設計之參考。Recently, the precision machinery industry has been progressed rapidly. However, the earthquakes in Taiwan has caused damage to the mechanical equipment or influenced the quality of efficiency. To reduce the impact the impact of earthquake to the precision machinery industry, it should be highly emphasized on the research and reduce vibrations under an earthquake excitation. This study is applied to the conception of the base isolation of the building. The mechanical equipment was simulated as a two-degree-of-freedom base isolation system of the Lead Rubber Bearing device. In addition, Back-Propagation Network and Extended Delta-Bar-Delta algorithm was used to decrease the computational time for simulating the response under those excitations. The major contribution of this study can be drawn as: (1)EDBD algorithm will be helpful for the convergency of the BPN system. (2)The relative importance will provide guidance for the structural designs. (3)The tendency will be helpful for understanding how to reduce the structural response.第一章? 緒論 1 1.1 前言 1 1.2 研究動機與目的 1 1.3 研究方法與步驟 4 1.4 本文架構 6 第二章? 類神經網路 7 2.1 類神經網路之介紹 7 2.1.1 類神經網路之定義 7 2.1.2 ANN之發展史 7 2.1.3 生物神經網路之理論 10 2.1.4 人工神經元之模型 12 2.1.5 ANN之基本架構 15 2.1.6 ANN運作模式 17 2.2 倒傳遞網路 19 2.2.1 BPN之網路架構 20 2.2.2 BPN之演算法 21 2.2.3 EDBD演算法 28 2.2.4 學習收斂與誤差測試 31 2.2.5 相對重要性分析 32 第三章? 簡化隔震模型之建立 34 3.1 機械設備之基座隔震改良 34 3.1.1 隔震與防振的區分 34 3.1.2 基座隔震之原理與方法 35 3.1.3 基座隔震之基本要件 36 3.1.4 機器設備基座隔震裝置模型 38 3.2 鉛心橡膠隔震墊之簡介 39 3.2.1 LRB之構造與特性 39 3.2.2 LRB之力學行為 42 3.3 雙自由度隔震系統建立 45 3.3.1 機械設備基座隔震簡化模式 45 3.3.2 動力方程式之建立與數值分析 46 3.3.3 能量分析 54 3.4 隔震系統之基本設計參數 55 第四章? 研究方法與成果 57 4.1 研究流程與方法 57 4.1.1 研究流程圖 57 4.1.2 BPN之建構與範例蒐集 58 4.1.3 網路應用方法 60 4.1.4 BPN之分析方法 61 4.2 BPN分析結果 62 4.2.1 網路收斂狀況與預測準確度 62 4.2.2 相對重要性分析 64 4.2.3 設計參數之分析評估 66 4.3 網路應用實例 70 第五章? 結論與建議 73 5.1 結論 73 5.2 建議 74 參考文獻 7