基于两点路表弯沉反算土基回弹模量的研究

基于层状弹性理论,利用远离承载板中心的两点路表变形响应反算土基回弹模量。根据半刚性基层沥青路面常用路面结构组合形式,构建土基回弹模量与两点路表弯沉值之间一一对应的数据库,建立回归模型。由理论弯沉盆和实测弯沉盆的预测结果表明,建立的土基回弹模量回归预测模型具有良好的精度和可靠性,为进一步快速、有效地评定土基的承载能力提供了依据。     

利用BP神经网络反算沥青路面结构层弹性模量的研究

 基于层状弹性理论,利用BP神经网络预测沥青路面结构层弹性模量。根据常用的路面结构形式,基于层状弹性理论构建路表弯沉值与结构层参数之间的数据库,并以此数据库建立沥青路面结构层弹性模量BP神经网络预测模型。对理论及实测弯沉盆进行结构层弹性模量预测效果检验,并对比分析计算弯沉盆与实测弯沉盆拟合程度。分析表明,建立的沥青路面结构层弹性模量BP神经网络模型具有较好的预测精度,为准确、快速地评价沥青路面结构层的使用状况提供了参考。     

沥青路面惰性弯沉点的选取及土基模量的反演

水泥混凝土路面存在弯沉几乎不随模量变化而变化的惰性弯沉点,并可用于反算水泥混凝土路面结构模量。为了使理论弯沉盆与实测弯沉盆相匹配,将刚性下卧层引入到理论弯沉盆的计算当中,经过大量的弯沉盆计算发现,沥青路面惰性弯沉点的选取较为困难,提出了一种基于均方根误差最小准则的惰性弯沉点选取方法,并将其应用于土基模量的反演中。在基于惰性弯沉点的土基模量反算中发现基层模量的大小对土基模量反演的精度有比较大的影响,并分别回归出针对柔性基层和半刚性基层的路面结构信息与惰性点参数的关系。选取不同的路面结构进行土基模量反演,理论上论证回归公式的精度,用实测弯沉盆进行模量反算,并与国内外其它反算程序比较,验证了基于惰性弯沉点的土基模量反演方法的精度和可靠性。     

基于沥青面层曲率指数反算沥青面层的弹性模量

基于层状弹性体系理论,由路面结构的路表变形响应反算沥青面层的弹性模量.根据落锤式弯沉仪数据采集传感器与荷载中心的距离,构建了结构层参数与其相应路表弯沉盆之间的数据库.通过分析此数据库提出了沥青面层的临界影响厚度,并基于此临界影响厚度建立了相应的回归模型.理论弯沉盆和实测弯沉盆反算的算例对比分析表明,该方法具有良好的精度和可靠性,是一种实用、有效而快速的评定路面承载能力的方法.     

沥青路面面层和基层结构模量的反算

分析了路面面层刚度对路表弯沉盆形状的影响 ,并在此基础上利用“惰性点”理论开发了一套反算路面面层和基层模量的方法 .通过大量理论分析和数值验证发现 ,当路面面层模量较大时 ,荷载作用下路表弯沉盆较坦 ;相反 ,当面层模量较小时 ,路表弯沉盆较陡 .利用这一特性 ,创造了一种新的反算路面模量的迭代方法 ,即利用惰性点方法反算得到的地基模量 ,匹配荷载中心点和附近校核点 2处的弯沉值 ,得到面层和基层的模量 .该方法过程收敛 ,且反算解唯一 .最后还给出了一套沥青路面结构模量反算程序的算例和结果敏感性分析     

沥青路面结构力学响应的分层检测与分析

依托室内试槽水稳碎石基层沥青路面结构,应用分层检测分析方法逐层检测了路面结构层的竖向压应力、应变和弯沉,并采用双层弹性体系理论反算并验证了路面结构层的回弹模量.结果表明:土基回弹模量的微小变化对路面结构力学响应的影响可以忽略;各级荷载作用下,基层顶面的竖向压应力和面层层底压应变均随着荷载增大近似线性增加;养生后的水泥稳定碎石层以及沥青面层回弹模量可以被视为常数;双层弹性体系回弹模量反算方法合理可行,具有较高的准确性.在分层检测分析中,应尽量利用压应力测试数据,以获得较高的精度.     

级配碎石基层沥青路面FWD反算模量换算系数

为了获取真实反映沥青路面结构力学特性和材料性状的结构模量参数,铺筑了4种结构级配碎石基层沥青路面足尺试验路,对其进行加速加载疲劳破坏试验和路面弯沉检测。基于FWD弯沉测试方案,应用分层检测分析方法逐层检测了路面结构层的弯沉,并根据足尺路面加载破坏的损坏程度,进行了路表FWD弯沉测试和弯沉迭代反演,分析了FWD反算模量受荷载水平、位置和路面温度的影响规律,建立了FWD反算模量与实验室动态模量的关系,提出了沥青混凝土、级配碎石和路基土实验室动态模量与FWD反算模量的换算系数K。研究结果表明：沥青混凝土模量受温度和轮载作用的影响最大,路面结构完好的沥青层反算模量换算系数K=0.7~1.0;路面出现Top-down开裂后,K=1.3~1.5;沥青层层底出现疲劳破坏时,K>1.5;级配碎石层反算模量换算系数为1.32~1.49;土基反算模量换算系数与其所受的应力水平及土质类型相关,随应力水平的降低,土基反算模量换算系数减小。     

纤维半刚性基层的响应分析

为了研究纤维半刚性基层在荷载作用下的响应特征,在对纤维加固土材料研究的基础上,利用修正后的层状弹性理论分析了路表的弯沉,纤维半刚性基层的弯拉应力以及土基对弹性模量的影响,获得了弯沉和弯拉应力与纤维半刚性基层厚度的非线性特征。     

路基弯沉检测标准

针对<公路路面基层施工技术规范>(JTJ 034-2000)中路基弯沉检测方法存在的不足,结合西安-户县高速公路试验路实体工程,对土样进行室内轻、重型击实标准回弹模量试验,现场检测土基回弹弯沉值、回弹模量和压实度等指标,对检测数据进行回归分析,得出土基回弹模量与稠度、压实度的关系,进而推出季节影响系数与稠度关系.结果表明:西安地区土基回弹模量设计取值宜在规范基础上提高20%～40%;结合回归得出的土基回弹模量与土基顶面弯沉的关系,可以得到路基顶面弯沉检测标准,从而为路基弯沉检测提供依据.     

沥青材料抗压回弹模量衰减对路表回弹弯沉值的影响

针对使用中存在的沥青路面材料抗压回弹模量衰减问题,应用《公路沥青路面设计规范》(JTG D50-2006)和弹性多层体系理论研究了使用年限内沥青材料抗压回弹模量衰减对公路沥青路面路表回弹弯沉值的影响.实例计算表明:当沥青路面材料抗压回弹模量以3种常见形式衰减时,路表回弹弯沉值分别增加了45.93%,59.79%和51.08%,导致所设计公路沥青路面厚度难以满足使用要求.研究结果可供考虑沥青路面材料抗压回弹模量衰减的公路沥青路面厚度设计时借鉴.     

不同预测方法的路基弹性模量的对比研究

路基弹性模量是道路设计的主要技术指标之一,快速准确评价其数值对道路性能具有重要的意义。利用BP神经网络方法预测路基弹性模量,在此基础上,对路基干湿状态及AASHTO等不同方法也进行了研究,得到了相应的路基弹性模量预测结果。研究内容包括:路基弹性模量数据调查及影响因素分析,不同预测方法的路基弹性模量预测,预测结果与实测结果的对比分析。通过对不同预测结果的对比分析,论证了BP神经网络方法的科学合理性,探讨一种更合理的快速准确预测不同季节路基弹性模量的方法。研究认为,BP神经网络方法可以比较准确地预测不同季节的路基弹性模量,预测结果与实测结果的误差在合理范围内,与其他方法相比,具有一定的优势。研究成果可以取得一定的经济效益与社会效益。     

一种高精度的概率积分法参数预计方法

为使概率积分法参数预计具备更高的精度,在充分分析概率积分法参数与地质采矿条件间关系的前提下,整合遗传算法和BP神经网络的功能特性构建了一种新的网络模型,即NA(new approach)模型。该模型利用遗传算法的寻优能力获得网络最优输入自变量组合,并优化模型的权值和阈值。以中国45个典型的地表移动观测站数据作为训练和测试集,分别建立NA、BP网络和SVM模型,并将模型预测结果与实测数据做了对比分析。结果表明:对不同的概率积分法参数预计时,NA模型的预测精度都优于BP网络和SVM模型;且误差波动范围小、稳定性高。随预计参数的不同,BP网络和SVM模型预测精度各占优势,但两者预测效果相差甚微。     

一种基于GA-ANN算法的层状土参数预测模型

结合BP神经网络和遗传算法,建立起自适应遗传算法-BP神经网络系统.以不同土层大量物理力学参数汇总整理形成的试验数据作为样本值,应用该系统对地基土层物理力学参数进行了预测,并将预测结果和BP神经网络的预测结果进行对比分析.结果表明:当样本数据离散性小时,两种方法均能取得理想的预测效果,而且所建立的系统还能有效防止"过训练"和提高网络自身的泛化能力;当样本规模大,且样本数据具有一定的离散性时,该网络系统的预测优势能更好地体现出来.     

多变元非线性复杂系统的优化与模拟退火算法

为了解决高合金高强高韧钢的性能优化问题,以获得最佳的强度和韧性的配合,采用人工神经网络方法建立多变量与多目标函数之间的关系,并将MonteCarlo方法中的模拟退火算法与人工神经网络BP算法相结合,解决了这类复杂系统中多函数变量与多目标函数之间没有确定的解析关系因而无法进行直接优化的难题·解决了航天用高强高韧钢性能优化问题,并为解决多变元非线性复杂系统的优化问题提供了一种新的有效的方法·     

BP神经网络在车辆制动性能预测中的应用

首先建立了车辆制动过程数学模型,利用该数学模型对JS2310农用运输车的制动性能进行了计算机仿真,并与试验结果进行了比较,表明模型是正确的为进一步提高该车辆制动性能预测的精度,引入了神经网络技术使用BP网络对不同条件下的多次仿真结果进行第一步学习,将数学模型转化为车辆制动性能预测的神经网络模型,再进一步使用整车部分试验结果对已得到的神经网络进行训练,得到最终的预测模型结果表明使用神经网络模型可以提高车辆制动性能预测的精度     

变压器故障诊断的ANN技术研究

目的解决溶解气体分析法在变压器故障诊断中准确率不高之难题。方法采用人工神经网络方法和基于动量因子技术的改进BP网络训练算法。结果建立了一BP神经网络模型,使网络具有较强的学习能力、泛化能力和适应能力。结论神经网络能较准确的对变压器故障进行诊断,具有一定的应用及推广价值。     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.