基于神经网络的混凝土构件质量识别

将现有动态信号处理、模式识别等诊断技术与神经网络相结合,应用于混凝土构件的质量识别中,通过对实际构件有关数据的分析处理,表明利用BP神经网络进行混凝土构件质量评估实用可行,可使计算过程简单化,评价标准统一化.     

神经网络在水工混凝土结构裂缝检测中的应用

针对水工大体积混凝土结构的特点,探讨了混凝土结构裂缝的检测方法．基于BP神经网络建立混凝土裂缝深度与其相关参数之间的关系模型,以实测资料作为模型的训练样本,并通过实例进行了检验,结果表明,BP神经网络应用于混凝土裂缝检测分析是可行和有效的．     

基于BP神经网络的火灾受损混凝土构件质量评估

对火灾后混凝土构件受损程度进行鉴定和评估时,影响因素多,各因素间的主次关系和对构件质量的影响难以确定,且评估结果易受人为因素的影响,因此有必要建立一套人工智能基础上的评估系统.将BP人工神经网络技术引入到火灾后混凝土构件受损等级评估研究中,利用BP人工神经网络的自学习、鲁棒性和容错性强的优势,结合专家评估的样本数据对其进行训练,并应用到实际工程中.工程实例结果表明利用BP神经网络进行火灾后混凝土构件质量评估实用可行,且能简化评估计算分析过程,实现评价标准的统一化.     

免振捣粉煤灰混凝土抗压强度的神经网络预测

为了解决免振捣粉煤灰混凝土抗压强度预测问题,采用BP神经网络方法通过免振捣粉煤灰混凝土不同配合比训练网络预测其抗压强度,对于BP网络的隐层节点属于不确定层,采用三层结构的BP网络.但隐含单员个数仍未知。在实验过程中将隐含层的神经单元个数作为一个参数试验,结果表明BP神经网络的隐层节点数目对预测精度有较大影响。通过分析得出采用BP神经网络对免振捣粉煤灰混凝土抗压强度预测是可行的。     

基于神经网络的混凝土构件质量识别

将现有动态信号处理、模式识别等诊断技术与神经网络相结合 ,应用于混凝土构件的质量识别中 ,通过对实际构件有关数据的分析处理 ,表明利用BP神经网络进行混凝土构件质量评估实用可行 ,可使计算过程简单化 ,评价标准统一化     

基于主成分分析的BP神经网络对房价的预测研究

为了提高房价预测精度,采用基于主成分分析的BP神经网络预测模型.首先运用主成分分析对影响房价指标重新组合生成新的综合指标,然后采用非线性预测能力非常强的BP神经网络对其进行建模,并对房价进行预测.仿真结果表明,基于主成分分析的BP神经网络的房价仿真值与历史值的系统总误差只有0.52%,可作为房价预测的一种行之有效的方法.     

改进的BP神经网络在碾压混凝土坝温度场反分析中的应用

采用改进的BP神经网络,建立了碾压混凝土坝热学参数反馈分析模型;利用三维有限元浮动网格法正分析得到的样本去训练网络,再利用温度实测值对热学参数进行反分析,根据反演后的热学参数进行温度场计算.计算结果和实测结果较为接近,可满足工程实际要求,且该方法具有较好的稳定性和收敛性,表明改进的BP神经网络算法用于反演混凝土坝热学参数是可行的.     

LabWindows/CVI环境下散焦测距神经网络补偿器

应用矩不变原理的散焦测距方法,针对由于光学畸变等原因而存在的非线性误差,采用BP神经网络补偿器对检测结果进行了一定补偿.提出了一种在LabWindows/CVI环境下应用ActiveX技术与MATLAB混合编程的方法来实现BP神经网络补偿,并通过训练与学习证明了补偿器的有效性.     

Buck电路输出电流的神经网络PID控制

简述了降压斩波电路的电路模型,从其原理上解释其非线性输出的原因.其次,描述了传统控制的局限性和神经网络的研究现状,介绍了神经网络的特征和功能.再者,通过神经网络的模型,对BP算法进行了数学公式推导,给出了BP算法的详细思路和具体过程,采用Matlab软件编程实现BP神经网络算法,并将算法训练后的BP神经网络运用到非线性函数的逼近中去.最后,使用Matlab软件下的Simulink模块搭建了降压斩波电路,再分别搭建传统PID控制和神经网络PID控制的结构模型对其进行控制仿真,得到相应的输出电流电压仿真结果图.仿真结果表明,BP神经网络控制器具有更好的控制效果,相比较闭环PID控制器,能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时,出现的控制结构复杂、参数整定不良和性能欠佳等缺点.     

钢管混凝土哑铃型轴压构件极限承载力有限元分析

提出了钢管混凝土哑铃型轴压构件极限承载力的有限元计算方法.有限元建模中,钢管与腹板采用壳单元,混凝土采用实体单元.对试验构件的分析表明,有限元计算值与试验值吻合良好,腹腔内的混凝土受钢管紧箍力作用的影响很小,其应力-应变关系可按普通混凝土考虑.应用有限元计算方法,对哑铃型钢管混凝土构件的极限承载力进行了参数分析.结果表明,腹板间距的增加对极限承载力的提高呈非线性增长,腹板高度的增加与极限承载力的提高基本上呈线性关系.相比较而言,腹板间距增加对构件极限承载力的提高的影响要大于腹板高度的增大对其的影响.在参数分析的基础上,对其简化计算方法的比较表明,简单迭加法比等效单圆管法与试验值和有限元计算结果更为吻合、也更安全.     

神经网络在混凝土强度预测中的应用

通过建立神经网络中使用最广泛的BP网络模型，预测普通混凝土，高强混凝土等多种混凝土强度，模型的预测值与试验数据，传统的鲍罗米经验公式的预测结果进行了比较。研究表明，神经网络方法由于综合考虑了混凝土强度的各种影响因素，能够实现非线性关系，具有较高的预测精度，在混凝土性能预测中具有广阔的应用前景。     

模糊神经网络在信息系统安全评价中的应用

随着科技的发展信息系统也越来越复杂化,传统的方法已不能满足信息系统安全评价准确度的要求。为了能进一步提升信息系统安全评价的准确性,通过将模糊评价方法与BP神经网络方法相结合,提出了模糊神经网络综合评价方法。充分利用了模糊评价方法强的模糊性识别能力和BP神经网络的非线性处理能力,从而更为有效地对系统进行安全评价。实验结果验证了算法的有效性,并通过与模糊评价方法和BP神经网络方法进行对比验证了算法的优越性。     

基于灰色BP神经网络的混凝土连续刚构桥应力预测

为了对混凝土连续刚构桥施工过程中的应力进行控制与预测,保证桥梁施工的安全,根据灰色理论和BP神经网络建立了灰色BP神经网络应力预测模型GNNM（1,1）．以贵阳花溪特大公路刚构桥施工过程实测应力为输入数据,对模型GNNM（1,1）进行训练,得到了应力预测值．该预测值与检验值的相对误差在3％以内,表明GNNM（1,1）模型的预测精度高,可以对混凝土连续刚构桥施工进行短期应力预测,同时,对大桥应力控制及安全施工具有一定的参考价值．     

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。     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.     

基于BP神经网络的三相逆变器故障诊断研究

针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以此训练网络.仿真试验结果表明,该神经网络具有很好的故障识别能力,所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的.     

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．     

神经网络在高强泵送混凝土配制中的应用研究

基于人工神经网络的原理和高强预拌泵送混凝土配制及施工的技术经验和路线,提出了解决高强预拌泵送混凝土配制模式特征不明确,随机因素多,各组分对混凝土强度及泵送性能影响呈非线性等问题的BP神经网络方法,据此开发的混凝土配合比设计应用软件,能较好地实现高强预拌泵送混凝土的强度及流动性能的预测。     

混凝土三轴循环本构关系的神经网络模拟

利用BP神经网络的模拟能力代替传统的力学方法，对混凝土材料的循环本构关系进行了模拟研究．首先回顾了此类模型的研究进展和构造方法。然后直接从试验数据出发，建立了混凝土三轴受压循环比例加栽条件下的本构模型．试验结果和模拟结果的比较说明，该模型具有较高的精度和良好的泛化能力．本研究结果进一步说明神经网络模型适合于描述多影响因素的非线性复杂因果规律，为研究材料本构特性提供了一条新的途径．     

基于BP神经网络的改进型新奇检测技术诊断大跨度拱桥异常状态

为了诊断大跨度拱桥的异常状态,使用了基于BP神经网络的改进型新奇检测技术的方法,该方法通过BP神经网络对大量实测数据进行训练,得到桥梁状态正常时的新奇指标,并确定阈值,通过阈值判定是否发生异常. 经实际分析以及实测数据的验证,该方法可以较准确地识别大型桥梁异常情况,并可以定位异常区域,避免了模型误差的影响,大大提高了方法的实用价值,同时降低了漏警、虚报警,使识别结果更为准确,更符合实际要求.