钢管混凝土抛物线空腹拱平面内轴压稳定性能研究

采取理论推导和数值模拟相结合的方式,对钢管混凝土抛物线空腹拱的平面内稳定性能进行深入研究。首先,使用有限元软件建立钢管混凝土抛物线圆管拱模型,与实验进行对比,证明建模方法的正确性;然后,推导出钢管混凝土抛物线空腹拱的换算长细比,研究空腹拱的位移发展趋势、对轴力发展趋势和弯矩发展趋势探讨变化情况;最后,根据有限元计算结果,使用考虑矢跨比的稳定系数修正公式,发现修正公式与有限元结果吻合度较好,能够用于指导工程设计。     

钢管混凝土抛物线空腹拱平面内稳定性能

钢管混凝土抛物线空腹拱是在钢管混凝土桁架拱上取消斜腹杆的拱结构。采取理论推导和数值模拟相结合的方式,对钢管混凝土抛物线空腹拱的平面内稳定性能进行深入研究。首先,使用有限元软件建立钢管混凝土圆管拱模型,与实验进行对比,证明建模方法的正确性。其次,推导出钢管混凝土抛物线空腹拱的换算长细比,并基于ABAQUS软件的分析结果,采用考虑矢跨比的轴压稳定系数公式,发现该公式能预测有限元计算结果。再次,对跨中加载和半跨加载分别进行一阶线弹性分析,研究钢管混凝土抛物线空腹拱中压力和弯矩的变化规律,并分析不均匀轴力和不均匀弯矩对压弯设计公式的影响。最后,推导出空腹拱的全截面塑性弯矩公式,根据二分法原理利用Python语言求出全截面塑性弯矩的数值,并根据有限元的计算结果,提出压弯共同作用下钢管混凝土抛物线空腹拱的设计公式,使其能用于指导工程实践。     

基于B-S架构与KNN算法的自主学习交流平台设计

开发一套基于B-S架构的自主学习交流平台,为用户创造一个友好的学习交流环境.平台采用Java语言开发,通过MySql5.7对数据进行存储,依托Tomcat7.0服务器发布,最终通过浏览器展现给用户.开发过程中引入了KNN算法,可对乱填信息注册平台的用户有效拦截过滤,自主预测平台中用户的年龄结构、热门话题等信息,收集热门...     

轴压作用下钢管混凝土抛物线拱弹性稳定性能分析及设计方法

钢管混凝土拱具有自重小、承载力高、施工简便等优点,在桥梁工程、隧道支护及渡槽结构中得到广泛应用.随着钢管混凝土拱跨度的不断增加,其平面内稳定问题日益突出.现行规范或规程基于经典弹性稳定理论,采用等效梁柱法计算了其平面内的稳定承载力,但未考虑矢跨比对稳定承载力的影响.采用ABAQUS软件建立钢管混凝土抛物线拱有限元模型,...     

固接抛物线浅拱的平面内稳定性分析

对固接抛物线浅拱的静力及动力稳定性问题进行了研究.基于哈密尔顿原理推导出抛物线浅拱的动力学控制方程,并推得非线性静力平衡方程及静力跃越和分岔屈曲的解析方程;利用体系不稳定平衡时的能量守恒原理确立了发生动力屈曲的临界条件并得到动力屈曲相对荷载上限及下限值.分析结果表明:浅拱的修正长细比及结构已存在荷载是影响浅拱屈曲的重要参数,阶跃荷载作用下浅拱的静力及动力屈曲相对荷载随着长细比的增加而增加,而动力屈曲荷载随结构已存在荷载的增大而减小;当稳定平衡时系统势能大于零,浅拱的动力屈曲荷载将显著提高.     

钢管混凝土圆弧拱平面内非线性稳定承载力

采用考虑屈曲前变形的弹性稳定公式,基于统一理论的钢管混凝土截面抗压承载力计算方法,研究了均布径向荷载作用下钢管混凝土圆弧拱的平面内非线性稳定承载力,并在分析中考虑了几何非线性、材料非线性和拱肋初始缺陷的影响.通过对比有限元结果和各国典型设计规范提供的稳定系数公式,提出了适合钢管混凝土圆弧拱的平面内非线性稳定系数,为钢管混凝土拱桥的设计提供依据.     

钢管混凝土平面相贯节点轴压承载力理论研究

针对两种新型节点构造形式,通过分析带不同厚度钢板的钢管混凝土短柱的轴压承载力,提出了相贯节点轴压承载力的计算公式.同时,采用有限元方法对节点静载试验进行了模拟,并分析了斜交角度、椭圆拉板厚度、衬板厚度、环向加强板和法兰板厚度等参数对节点承载力的影响,有限元分析与试验结果吻合较好.结果表明：节点中椭圆拉板、衬板和环向加强板可提高对核心混凝土的约束效应;随着斜交角度、椭圆拉板厚度、衬板厚度的增加,节点承载力有所提高,而环向加强板或法兰板的厚度对节点承载力影响不大;计算公式能较准确地估计节点的承载力,可用于工程实践.     

腐蚀后高强钢管混凝土柱轴压性能

为研究不同腐蚀率下钢材力学性能的变化规律,以Q235、Q355和Q460钢材为研究对象,对12组共38个钢材试样进行了中性盐雾腐蚀试验和单轴拉伸试验,并对腐蚀后钢材性能退化规律进行了总结,提出了适用于不同强度等级的腐蚀后钢材强度预测公式.基于提出的腐蚀后钢材强度预测公式和腐蚀后实际壁厚,建立了腐蚀后高强钢管混凝土柱精细化数值分析模型,在与试验结果对比验证的基础上,分析了不同腐蚀率、混凝土强度和长细比等参数对承载力的影响规律,并依据不同规范采用不同计算方法对腐蚀后的高强钢管混凝土柱的承载力公式进行了预测.结果表明:随着腐蚀率的增大,钢材弹性模量基本保持不变,屈服平台逐渐缩短甚至消失.随着腐蚀率增加,方形截面高强钢管混凝土柱峰值荷载下降速率略大于圆形截面.混凝土强度等级越高,腐蚀后峰值荷载下降幅度越小.长细比增加,腐蚀后方形截面高强钢管混凝土柱峰值荷载对应的位移增加速率略大于圆形截面.使用钢材强度折减叠加壁厚折减的方法,3种规范对腐蚀后高强钢管混凝土柱承载力的预测更为准确,离散性也更小.     

基于拉杆-拱模型的方钢管混凝土轴压承载力研究

为在方钢管混凝土轴压承载力计算时考虑约束效应,在核心区混凝土中虚设压力拱,与钢管壁组成拉杆-拱受力模型,以此来考虑钢管对拱内混凝土的约束效应.所推导的轴压承载力计算模型由钢管抗力项、拱内约束混凝土抗力项及拱外非约束混凝土抗力项组成,模型物理意义明确.收集了198个试验数据对模型进行验证,并与各国规范建议的方钢管混凝土轴压承载力计算公式进行对比.结果表明:本文推导模型所预测的轴压承载力更接近试验值,且计算稳定性更好.通过对材料强度、含钢率、套箍系数等参数进行分析,建议了模型的适用条件.此外,为便于工程运用,给出了本文推导模型的数学表达式.     

平面圆弧形钢管桁架拱结构稳定性能研究

运用ANSYS有限元软件对影响平面圆弧形钢管桁架拱稳定性的参数(矢跨比、腹杆间夹角、弦杆和腹杆截面、拱架厚度等)进行了分析.结果表明,桁架拱结构的最优矢跨比在0.2～0.3之间;腹杆间夹角应控制在一定范围内,并使结构的承载效率较高;弦杆截面面积和拱架厚度均与结构承载力呈线性关系,但拱架厚度过大时对结构的承载力提高很小;腹杆截面对结构承载力影响很小,只需按腹杆和弦杆的外径比控制,并使其长细比符合相关规范要求.     

能耗预测导向的建筑能耗异常数据识别与修复

建筑能耗异常数据处理是对建筑能耗进行准确预测的前提。为有效处理建筑能耗异常数据,利用基于机器学习的K-means和KNN(K-nearest neighbor)算法,对上海某酒店建筑2017年7月的逐时能耗数据进行了异常识别和修复。通过建立长短期记忆网络模型,利用处理后的能耗数据预测了该建筑2017年8月首周的逐时能耗数据。预测结果表明,提出的建筑能耗异常数据识别与修复方法能准确识别并修复建筑能耗异常数据,从而显著提高后续能耗预测的效果。     

小样本不平衡设备数据下的机器学习策略研究

针对小样本数据样本容量不足与分布不平衡的设备寿命预测问题,构建基于改进SMOTE算法与改进KNN(K-NearestNeighbor)算法联合优化模型。首先,设置噪声比例系数β排除样本数据中的噪声,随后通过类B-SMOTE(Borderline-SMOTE)算法与传统SOMTE算法结合构建改进SMOTE(ISMOTE)算法对存在分布问题的少数类样本进行新增优化,避免因为样本分布不平衡以及样本数量较少引起的偏差。其次,针对分类过程中边界模糊的样本点,通过利用粒子群算法寻求每个样本种类中心点并计算样本距离均值建立分隔阈值■,对阈值范围内的样本点利用“投票法”判断样本种类,规避KNN算法在处理数据时因为不同种类样本混合而出现误差的问题。最后,通过利用美国卡特彼勒公司液压泵状态数据以及凌津滩水电站水导轴承振动数据进行仿真,算例证明上述两种改进算法在面对小样本不平衡设备数据时可以准确分析设备运行状态以及预测设备未来健康发展趋势。     

WEB日志中基于KNN算法的注入式攻击行为检测方法研究

阐述了注入式攻击及KNN算法的相关概念并探讨了注入式攻击行为检测与文本分类技术的关系.结合KNN算法的优点及注入式攻击行为检测与文本分类的相似性,提出了Web日志中基于KNN算法的注入式攻击检测方法,给出了其计算模型,并进行了检测对此.结果表明,该方法具有良好的检测准确度.     

一种改进KNN个性化邮件过滤的方法

针对个性化邮件过滤中接收的邮件没有规律、正常邮件和垃圾邮件存在严重类偏移等问题,提出一种改进的k最近邻(k-nearest neighbor algorithm,KNN)个性化邮件过滤方法.该方法主要是通过建立兴趣度模型(对兴趣度计算的改进,剔除用户习惯对建立兴趣度模型带来的影响)不断改变训练集,使得训练集中的文本始终代表用户最近的兴趣.然后通过对接收邮件的无规律和类偏移问题的研究,提出一种改进的KNN算法,该算法主要是对文本在聚类中的价值重新评定,使其对邮件文本进行了较好的分类.经实际验证,改进后的KNN个性化过滤方法能较好地实现对邮件进行个性化分类.     

可处理多个无序量测的前向滤波算法

基于等价量测和前向滤波法,推导出一种单个无序量测算法Fl1,并说明了该算法与Al1算法、FPFD算法以及AA1算法之间的等价性.以Fl1算法为基础提出可以处理同时到达融合中心的多个不同单步延迟无序量测的最优算法CZ1.所提新算法的性能不依赖过程噪声的离散化模式,且无须对状态转移矩阵求逆.仿真结果表明在过程噪声DCM下CZ1算法与CA1算法的性能是相同的.     

一种自相似业务量预测的卡尔曼滤波算法

针对网络拥塞控制中不能准确预测自相似业务量的问题,提出了一种噪声在线估计卡尔曼滤波(NOEKF)算法.NOEKF算法不依赖于业务源反馈信息,通过观测节点处当前和过去时刻的业务量来预测下一时刻的业务量,并建立了业务量的卡尔曼滤波状态方程和观测方程,给出了递推形式的状态向量最佳估计形式.考虑到未知状态方程和观测方程噪声的统计特性,采用在线估值法,并引入遗忘因子对噪声的统计特性进行估计.NOEKF算法预测准确、偏差小.仿真结果表明,与经典卡尔曼滤波算法和时间序列预测方法比较,NOEKF算法能够更精确地预测自相似业务量,预测误差可降低60%以上.     

基于K最近邻的高速公路偷逃费事件识别

为解决现有高速公路收费稽查的低效率和高成本等问题,提出一种基于K最近邻算法(k-nearest neighbor,KNN)的偷逃费事件识别模型.首先分析高速公路大车小标逃费行为特性,设计并建立识别与校核算法,从原始收费数据中提取出逃费样本.其次,对原始逃费数据进行预处理后,采用主成分分析法进行特征降维.最后针对逃费数据集不同类别样本数分布的极端不平衡特点,使用过采样方法中的改进的合成少数类过采样算法(borderline2 synthetic minority over-sampling technique,BorderlineSMOTE2)对数据做平衡处理,再通过KNN算法建立逃费行为分类识别模型.最终验证结果表明,所建立的逃费行为识别模型识别精确率为0.75,召回率为0.84,f1系数为0.79,表明该算法针对逃费行为样本分类识别精度较高,模型性能较好.基于KNN的高速公路车辆偷逃费事件识别模型针对逃费数据的高维不平衡特点建立了相应的处理规则与算法,提高了识别精度,识别结果可助力高速公路收费稽核有效筛查逃费行为,降低通行费损失成本.     

一种基于改进遗传算法的文本特征选择方法

文本特征选择对提高文本分类的速度和准确率,改善网络信息过滤效果至关重要．把特征选择看作优化组合问题,提出用遗传算法进行文本特征选择．传统遗传算法适应性较差,本文对传统遗传算法交叉概率、变异概率、更新策略等重要参数和关键环节作了改进,实验验证了该算法的有效性．     

基于遗传算法的用户模板优化研究

近年来，由于科技突飞猛进的发展和互联网的迅速崛起，不良信息的过滤成为信息过滤的一个重要方向，而信息过滤的关键技术是用户模板的获取．本文对遗传算法作了改进，并将其用于优化用户模板，使用户模板具有关键词自动扩充和自适应能力，进而能有效地进行过滤，提高过滤质量．     

基于并行遗传算法的KNN分类方法

针对KNN的K值难以确定的问题,提出一种基于并行遗传算法的KNN分类方法.该方法采用粗粒度模型的并行遗传算法进行设计,通过种群内的遗传、变异和种群间的并行进化、联姻得到优化的K值和分类结果.实验结果表明,该方法有效的提高了KNN算法的分类效果,是一种精确高效的分类方法.