人工神经网络在混凝土强度检测中的应用

建立混凝土测强换算关系是混凝土结构检测中经常面对的问题,然而要建立起检测物理量与混凝土强度之间的函数关系并非易事。本文利用神经网络方法建立了混凝土测强换算的BP网络模型,为混凝土结构无损检测中混凝土强度推定开辟了一条新途径。     

神经网络技术在桥梁构件声波检测中的应用研究

随着桥梁工程建设的发展,其混凝土构件质量检测显得越来越重要.采用非线性的BP神经网络方法技术,利用声波的运动学和动力学特征参数,在已知样本参数的约束下,对桥梁混凝土构件缺陷进行多参数综合检测,就方法技术而言是可行的.通过对某大桥混凝土腹板裂缝采用非线性BP神经网络方法技术进行综合检测,其结果验证正确,证明了该方法技术的有效性,且较常规的线性方法技术有着更高的精度和可靠性.为BP神经网络方法技术的应用探索了一个新的领域.     

基于BP神经网络的体外索索力预测及MATLAB实现

为了进一步研究体外预应力混凝土结构体外索极限应力的确定方法,在分析影响体外预应力混凝土结构体外索极限应力因素的基础上,运用神经网络预测的原理,采用误差反向传播神经网络即BP神经网络对体外索的索力进行了预测.预测结果表明,应用BP神经网络模型能准确的预测体外索的索力.预测结果和试验结果相比误差在10%以内,可以满足实际工...     

基于BP神经网络的电解加工精度预测模型

为精确地预测电解加工精度,采用了BP神经网络的方法进行建模．在分析影响加工精度主要因素的基础上,确定了BP神经网络模型的特征参数,并根据实际情况,确定了输入层和中间隐层的维数,从而确定了模型的结构．用试验参数对模型结构进行训练,最终建立了一个用于电解加工精度预测的BP神经网络模型．利用该模型进行的精度预测结果表明,该模型的预测误差可以控制在10％以内,具有很高的精度预测能力．     

基于BP神经网络的结构损伤检测

介绍了BP神经网络的学习算法,通过对一个钢筋混凝土简支梁模型进行了损伤数值模拟,提取固有频率作为BP神经网络的输入参数,并应用简支梁损伤前后的数据输入训练好的神经网络来判断结构损伤。检测表明,该方法在结构损伤检测中具有较好的应用前景。     

基于RS—BP融合的裂缝监控模型

目前对大坝裂缝的监控主要是应用统计模型，然而在实际应用中，其分析精度易受因子相关性的影响．本研究提出了基于RS—BP耦合的裂缝监控模型，该方法首先应用RS对裂缝监控信息进行属性和样本集约简，以提高网络的泛化分析能力；然后用BP神经网络对约简的样本集进行模式训练；最后根据训练好的网络对裂缝进行分析，以掌握裂缝的演变性态．...     

基于BP神经网络的信誉欺骗检测模型

在分析信誉系统评价的目标系统的行为特征的基础上,提出了一种集成的BP神经网络模型.该模型使用训练集对构造好的BP神经网络进行训练,将测试集输入到训练好的BP神经网络中,进行欺骗检测,并在行为维度上进行欺骗检测效果验证.实验结果验证了基于BP神经网络的信誉欺骗检测模型的可行性.基于BP神经网络的欺骗检测模型能够快速、准确地实现欺骗行为的检测.     

BP神经网络在入侵检测中的应用

对如何检测未知入侵手段的问题进行了探讨．在被监测程序输入条件已知情况下，借助程序行为简档，给出了一种基于BP神经网络的入侵检测方法，阐述了所用BP神经网络的基本结构以及训练方法，最后在LINUX环境下进行了实验验证．结果表明，在程序行为简档内容比较清晰的条件下，运用BP神经网络检测入侵，可在一定程度上提高入侵检测系统的难确检测率．     

BP神经网络在方钢管混凝土轴心受压试验数据拟合中的应用

本文使用BP神经网络对方钢管混凝土轴心受压试验的数据进行拟合，并将BP神经网络的拟合曲线与10次多项式的拟合曲线进行了对比。结果表明，建立的BP神经网络模型能够准确拟合方钢管混凝土轴心受压的试验数据，具有较好的非线性拟合效果，拟合精度高。     

基于神经网络的大体积混凝土温度预测与控制

大体积混凝土的水化热若不能及时散发 ,会产生很大的温度应力 ,导致出现温度裂缝。为了避免温度裂缝的产生 ,人们必须预测和控制大体积混凝土的温度形成。文章引用“虚厚度”的概念 ,解决了不同边界条件的处理问题 ,通过对各种影响因素的分析并结合 BP神经网络模型的特点提出了大体积混凝土温度预测模型。通过工程实例 ,用 MATL AB语言实现了对大体积混凝土温度的预测 ,说明了人工神经网络方法的可行性和实用性     

基于BP神经网络的玻璃瓶裂纹检测模型

阐述了BP神经网络的基本原理，介绍了一种直接估算最佳隐含层节点数的方法。针对普通的玻璃瓶裂纹检测算法存在的问题，提出了一种基于BP神经网络的玻璃瓶裂纹检测模型。实验表明，该模型的检测效果与普通算法相比有了明显的提高。     

由表观损伤特征反演钢筋混凝土梁承载率神经网络模型

钢筋混凝土梁表观损伤特征与受弯承载率间存在着一定的对应关系,但这种关系极为复杂,很难用显式的数学函数表达.基于神经网络方法研究了表观损伤特征与受弯承载率之间的非线性映射关系,以裂缝宽度、裂缝相对高度、挠度、混凝土强度、配筋率、钢筋屈服强度、钢筋直径、钢筋粘结特性系数、保护层厚度为输入,以受弯承载率为输出,建立了由表观损伤特征反演钢筋混凝土梁受弯承载率的神经网络模型.网络仿真结果与试验值吻合较好,为检测评定在役钢筋混凝土梁的受弯承载率,进而评定其安全性提供了一种新方法和新思路.     

基于改进BP神经网络的微裂纹漏磁定量识别

漏磁检测是铁磁材料常用的无损检测方法之一,定量识别是指通过检测到的漏磁信号识别裂纹的尺寸.采用主成分分析和优化神经网络相结合的建模方法,建立了微裂纹宽度与深度的预测模型.主成分分析去除了数据相关性,减小了输入样本维数,显著简化了网络结构;遗传算法优化的BP神经网络(GA-BP神经网络)可以有效地防止搜索过程中陷入局部最优解.通过基于磁偶极子模型的理论计算与人工刻槽微裂纹漏磁检测实验两种途径验证了该算法在微裂纹定量识别中的应用,为裂纹发展阶段的早期定量识别技术奠定了一定的基础.     

基于BP神经网络的钢铁分选仪裂纹检测

将BP神经网络技术用于钢铁件缺陷分析,以钢铁件裂纹为研究对象,选取了8种影响裂纹的因素,在实验设计的基础上,用BP人工神经网络对所得实验结果进行了分析,并且用图形化方式直观地表达了出来.根据实验结果,BP神经网络模型能较准确地预测出钢铁缺陷,从而为研究裂纹检测提供了一种新的有效手段.     

海水腐蚀梁抗剪强度及其智能分析

为了确定海水腐蚀钢筋混凝土梁斜截面承载力特性，用人工海水对15根钢筋混凝土梁进行加速腐蚀试验，得到海水腐蚀下钢筋混凝土梁斜截面受剪承栽力．随着腐蚀循环次数增加，承载力与构件参数及循环次数之间存在非线性关系，而采用常规的方法建立它们之间的关系，难以用数学公式来表达．利用神经网络方法，建立3层BP网络模型，以拟合不同条件下海水腐蚀钢筋混凝土梁受剪承载力的变化规律．根据试验训练样本数据，对该模型进行训练，建立BP网络模型系统．结果表明，基于模型系统的拟合曲线与试验曲线符合较好，能够反映承载力和腐蚀循环因素之间非线性变化关系，为腐蚀钢筋混凝土梁的抗剪强度预测提供参考．     

基于改进天牛群算法优化的BP神经网络的入侵检测

针对传统BP神经网络的入侵检测中,BP神经网络模型存在容易陷入局部最优、收敛速度慢、初始值随机性较大等缺点,本文提出改进天牛群算法(Beetle Swarm Optimization,BSO)用于优化BP神经网络的权值与阈值,并采用可变的感知因子及导向性的学习策略,以增强算法跳出局部最优的能力,提升算法全局寻优能力。利用天牛群算法群体智能的特点,提高BP神经网络的收敛速度。并将天牛群优化的BP神经网络模型应用于入侵检测,仿真实验结果表明优化后的BP神经网络模型能够显著提高模型的收敛速率和对入侵数据的检测率,降低误报率。     

BP神经网络在蜜网系统中的应用

介绍了BP算法的基本思想及其网络模型,蜜网中数据的处理流程.借鉴BP算法应用于入侵检测系统,将BP神经网络技术应用于蜜网系统中,提出了在蜜网中基于BP神经网络的数据处理模型及训练过程.     

基于神经网络的泡沫混凝土强度及导热性能预测

基于神经网络原理,建立预测泡沫混凝土性能的BP神经网络模型,期望通过输入配合比主要参数,得到泡沫混凝土强度及导热性能的预测结果。将实验数据分为训练组和对照组,对训练组进行非线性拟合,若拟合结果满足误差精度则模型建立完毕;通过拟合结果与对照组的比较,可验证模型预测精度。结果表明,BP神经网络模型能够准确拟合实验数据,利用其泛化能力进行预测的结果与对照组的误差小于8%,该模型具有很高的预测精度。     

铺面水泥混凝土抗冻标号预估模型

在充分利用国内外已有的混凝土抗冻试验数据基础上，用人工神经网络与多元非线性回归两种建模方法相结合的途径，建立了能够反映铺面混凝土配合比参数与抗冻标号之间综合非线性关系的铺面水泥混凝土抗冻标号预估模型。通过BP神经网络虚拟试验分析，得到水灰比对混凝土抗冻标号的影响最大，含气量其次，水泥用量对抗冻标号的影响最小，含气量与混凝土抗冻标号呈幂级数关系，水灰比、水泥用量与抗冻标号之间均呈指数函数关系。在这些基本定性关系分析基础上，用多元非线性回归方法得到的铺面混凝土抗冻标号预估模型。该模型具有较好的预估精度，能够反映各配合比参数对铺面混凝土抗冻标号影响的内在规律。