一种基于卷积神经网络的结构损伤检测方法

针对结构健康监测系统产生的海量数据难以高效分析的问题,采用了一种基于二维卷积神经网络的损伤识别检测方法,该方法直接将结构在外界激励作用下的加速度时程数据作为输入信息,通过卷积神经网络自动提取加速度数据中的隐含特征,识别结构的损伤.以板的损伤识别为例,给出了卷积神经网络损伤识别模型的输入数据格式、网络结构和训练方法,分析了卷积神经网络分别在不含噪声,含噪声5%、10%以及混合噪声情况下的损伤识别能力.测试结果显示这种基于加速度输入的卷积神经网络具有较高的损伤识别精度和抗噪能力,从而为结构健康监测系统数据分析和损伤识别提供了一种新的途径.     

北秦岭柳树湾花岗伟晶岩型铀矿床流体包裹体和氢-氧-硫同位素研究

河南省柳树湾花岗伟晶岩型铀矿床位于北秦岭东段，含矿伟晶岩受灰池子岩体与秦岭岩群的接触带控制。通过对研究区的地质特征、流体包裹体以及氢-氧-硫同位素的研究，探讨柳树湾花岗伟晶岩型铀矿床的成矿物质、流体来源。伟晶岩型铀矿成矿流体温度为513.5℃～567.4℃，H同位素为-107.9‰～-89.6‰，O同位素为11‰～13.2‰，S同位素为3.5‰～5.8‰。研究结果表明：柳树湾花岗伟晶岩型铀矿床成矿流体主要为深部岩浆水，成矿物质主要来自深部岩浆。