联立SBFEM与PSO-LSSVM的混凝土重力坝综合弹性模量快速反演方法

针对混凝土坝综合弹性模量常规反演法效率低及其有限元正分析受限于网格划分等问题，提出一种联立比例边界有限元法（SBFEM）和粒子群算法优化最小二乘支持向量机（PSO-LSSVM）的重力坝综合弹模快速反演方法．通过分析混凝土重力坝坝体综合弹模与水平位移的映射关系，在构建重力坝综合弹模反演方程基础上，建立基于MALTAB平台的重力坝结构比例边界有限元模型，并利用PSO-LSSVM算法对大坝结构正分析结果学习训练获取其反演参数．经实例考证表明，该方法无论其数值结果精度还是计算效率皆有所提升，同时克服了大坝结构常规反分析受制有限元奇异单元等先天缺陷影响，实现重力坝结构性能等效参数快速识别，为混凝土坝变形性能监测提供新的思路．     

基于混合遗传算法的混凝土大坝力学参数反演

将混凝土大坝和岩石基础的力学参数识别反问题作为优化问题处理,然后采用混合遗传算法求解可准确地确定岩体的力学参数。基于观测的混凝土大坝坝顶水平位移,建立了识别混凝土大坝和岩石基础力学参数的数值方法。为解决简单遗传算法的早熟问题,将遗传算法与模拟退火算法相结合,提出了基于混合遗传算法的混凝土大坝力学参数反演方法。丰满混凝土大坝实际工程应用表明,根据参数反演结果预报大坝在不同水位条件下的水平位移具有较高的精度。     

混凝土坝材料参数区间反演分析方法

为了充分考虑不确定性信息对大坝结构力学参数反演结果的影响,利用区间分析方法,依据大坝原型观测数据和有限元数值计算成果,构建了大坝变形区间监控模型.基于此模型,探讨了反演混凝土坝坝体、坝基弹性模量、线膨胀系数等的原理、算法等.实例分析表明,区间分析方法能充分考虑参数反演过程中的多种不确定性,可避免复杂的区间有限元计算,其形式比较简单,效率较高,能方便地应用于实际工程.     

基于模拟退火算法的含水层参数非线性反演

基于模拟退火算法,根据水头和流量观测数据建立含水层参数非线性反演方法,通过对参数的全局随机搜索反演,解决了含水层参数反党解不惟一的问题,同时提高了参数反演结果的稳定性,提出了根据观测仪器精度建立算法收敛准则的方法,数值模拟结果表明,提出的非线性反演方法具有较好的抗观测噪音的能力。     

灌浆质量检测的声波CT法及其与综合检测效果的对比

以灌浆质量检测为实例,简述了声波成像原理和三种反演算法,说明了ART算法、CGLS算法和LSQR算法的特点.通过对三种算法特点的比较,在实际工作中,利用直射线法建立初始模型、弯曲射线法成像,经过反复迭代,取得了更好的效果.将CT结果与声波单孔、跨孔测试结果、钻孔弹模结果对比,吻合程度相当好,同时也表明声波CT在灌浆质量检测等工程勘察工作中具有不可替代的优势.重要的是,声波CT和声波单孔、跨孔及弹性模量测试等方法综合评价灌浆效果,更加客观、准确.     

盾构机密封舱渣土非线性本构模型参数识别

根据密封舱改性渣土的三轴压缩实验数据,建立了基于优化方法的Duncan-Chang双曲线本构模型参数反演方法。为了解决参数识别反问题解的不稳定性问题,在Gauss-Newton优化迭代算法的基础上,提出了正则化参数反演方法。实际应用结果表明,所提出的反演方法具有较快的收敛速度和较强的鲁棒性,预测的实验模型变形与实验值吻合较好。     

基于抽水试验的水文地质参数三维进化反演

提出求解水文地质参数的遗传反演算法，并将该方法应用于玄武湖隧道工程抽水试验中，结果表明，用遗传算法反演水文地质参数是可行的，这种方法的优点在于只须给出参数的取值范围，就可自动地搜索出最优参数值。     

坝基岩体力学参数的PSO-ABAQUS联合反演

为解决常规试验和工程类比法确定坝基岩体力学参数与实际情况不符的问题,提出基于粒子群优化算法(PSO)和ABAQUS的坝基岩体力学参数联合反演算法,给出该联合反演算法的具体实施流程并编制相应的FORTRAN计算程序,构建了坝基岩体力学参数的数学反演模型,实现了基于施工和运行期实测变形资料的坝基岩体力学参数PSO-ABAQUS联合反演。算例分析表明,PSO-ABAQUS联合反演法简便易行、反演效率较高,是一种用于合理确定坝基岩体力学参数的通用方法。     

无坝体温度监测数据老坝的导温系数反演分析

为了解决缺乏坝体温度监测数据的老坝混凝土热学参数反演问题，利用常见的坝体位移监测资料，通过建立监控模型分离出温度分量，运用温度分量相位与气温相位之间的滞后关系，并借助温度场与变形场的有限元计算以及拟合优化，提出一种基于变形监测资料的老坝导温系数反演方法，并以丰满大坝为例进行了计算分析。结果表明，反演得到的导温系数为0.0978m²/d，在合理范围之内。     

基于异步粒子群优化算法的边坡工程岩体力学参数反演

基于现场变形观测资料的优化反演是确定边坡岩体力学参数的主要方法之一,其本质是一个岩体力学参数的寻优过程,因而,如何选择一个高效的优化算法是其核心问题之一.目前,粒子群优化算法已被应用于边坡工程力学参数反演,但其算法实现为同步模式,最优粒子的信息不能及时共享,降低了优化效率,使得反演耗时较多.鉴于此,提出基于异步粒子群优化算法的边坡工程岩体力学参数反演,该算法的搜索步伐并不一致,粒子间表现出异步性,因而寻优效率明显高于同步模式,可有效解决在边坡工程中岩体力学参数反演中存在的低效问题.在此基础上,构建了边坡工程岩体力学参数反演模型,并采用ABAQUS作为反演分析中的正分析工具,给出了边坡工程岩体力学参数反演的实现流程,完成了程序编制,进而通过算例分析,验证了所提出的方法和程序编制的可行性和高效性.     

应用模糊神经网络反演大坝弹性模量

根据大坝实测位移资料，应用模糊神经网络反演坝体和坝基的弹性模量，其中两种水位下的位移的水压发量差值作为网络输入矢量，待求的坝体和坝基的弹性模量作为网络输出矢量，计算结果表明，应用模糊神经网络反演大坝弹性模量，具有精度高、速度快的优点。     

混凝土坝振动参数区间逆分析

考虑模态观测数据的不确定性，引入不确定问题求解的区间分析思想，建立了利用先验约束条件的混凝土重力坝动态参数的区间反演模型；并采用约束变尺度方法求解该反演模型获得待求参数的区间范围。以某大坝空库情形为例，在振动观测数据不完全的条件下，对该方法进行了考察。结果表明，在只有一阶圆频率和几个固定点处有一阶振型观测数据的情况下，可以可靠地识别出坝体混凝土和基础岩石的动弹性模量所在区间范围，该方法具有一般性，可以应用于一般结构振动参数识别问题。     

混凝土坝空间位移场的确定性模型反演分析法

提出用空间位移场的确定性模型，反演混凝土坝坝体的弹性模量，以及坝基和库区的变形模量，用多测点的原位观测资料，真实地推求影响坝体运行的重要参数，并用于评判大坝的工作性态、反馈设计和施工。该方法用于某重力拱坝，得到的结果令人满意。     

识别混凝土重力坝弹性模量的一种新方法

采用改进的遗传算法 ,根据混凝土重力坝的水位位移分量识别坝体和基础的弹性模量 .算例表明这种方法是可行的 ,具有较强的抗噪音能力 ,没有求解病态方程的困难 ,且具有全局收敛性 ,反演结果可靠     

碾压混凝土坝计算参数对变形的敏感性分析

针对碾压混凝土坝本体及层面影响带计算参数对变形影响的问题,定义了敏感度函数,探讨了变形计算参数的敏感性分析方法;并运用敏感性分析原理对某碾压混凝土坝变形主要计算参数进行敏感性分析,分析结果表明:本体弹模对变形最敏感,层面弹模次之,然后是本体泊松比,层面泊松比最不敏感.分析结果对碾压混凝土坝的变形分析具有一定的参考价值.     

用激光扫描测振仪测定石膏悬臂梁动弹性模量

为了获得拱坝动力模型试验所用石膏的动弹性模量,首先通过数值方法(有限单元法)计算得到石膏悬臂梁试件的第一阶固有频率,再通过激光扫描测振仪对试件进行试验模态分析,测得石膏悬臂梁试件的第一阶固有频率.将由数值方法和试验模态分析分别得到的第一阶固有频率,通过反演方法得到石膏在第一阶固有频率下的动弹性模量.试验结果表明:石膏在第一阶固有频率下的动弹性模量与静弹性模量相比,提高了约25.8％.     

流变荷载试验曲线的模型识别及其应用

基于粘弹性理论,建立了流变荷载试验的Maxwell、广义Kelvin和Burgers3种流变模型的位移反演模式,并给出了根据现场试验流变曲线进行流变模型识别的简便方法。分析了岩体流变荷载试验曲线,给出了能反映试验区域内岩体变形规律的最佳流变模型,反演获得了试验区域内岩体的瞬时弹性模量、长期弹性模量、粘弹性模量和粘弹性系数。结果表明,描述试验点岩体在不同荷载级别情况下的最佳流变模型均为广义Kelvin模型,但其弹性模量有所差异,其量值范围为4194～5235MPa,平均弹性模量为4900.316MPa;平均长期弹性模量为3081.65MPa。计算表明所建立的反演公式是正确的,模型及参数识别过程简便、实用。     

Application of New Type BP Neural Networks for Magnetic Measurement

Magnetic Measurement is a typical inverse problem in biomedical field.In this kind of problem we always need to locate the positions and moments of one or more magnetic dipoles.Although using the traditional methods to solve this kind of inverse problem has all kinds of shortcomings,BPNN(Back Propagation Neural Networks)method can be used to solve this typical inverse problem fast enough for real time measurement.In the traditional BPNN method,gradient descent search method is performed for error propagation.In this paper the authors propose a new algorithm that Newton method is performed for error propagation.For the cost function is highly nonconvex in the magnetic measurement problem,the new kind of BPNN can get convergent results quickly and precisely,A simulation result for this method is also presented.