基于曲率模态和BP神经网络的简支梁的损伤识别

通过BP神经网络对简支梁的损伤位置和损伤程度进行了研究。文中首先采用有限元仿真软件ANSYS计算得到不同损伤情况下结构的前两阶固有频率并计算指定点的曲率模态值,并以此为输入参数建立用于识别简支梁损伤的BP网络,最后利用LM算法训练网络来进行损伤检测。结果表明：该方法能有效地对损伤位置及损伤程度进行识别,且对损伤程度进行识别的精确度较高。     

基于神经网络的简支梁损伤检测研究

理论分析表明结构损伤前后的固有频率的变化包含了结构损伤位置和程度的信息,在此理论基础上。对一个简支梁模型进行了损伤数值模拟。提取固有频率的变化并采取合适的方法构造改进型BP神经网络的输入参数,并应用简支梁损伤前后的模态实验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。     

预应力对预应力简支梁自振频率的影响

建立了有粘结预应力简支梁振动特性的理论分析模型,并研究了预应力大小对不同布索形式的预应力简支梁自振频率的影响;应用有限元分析软件ANSYS对三种布索形式的预应力简支梁进行了模态分析,验证了理论分析的正确性与适用性;理论分析模型和有限元模型分别从理论和数值上证明了预应力大小对有粘结预应力简支梁的动力特性没有任何影响。     

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。     

BP神经网络气水识别研究

传统的测井解释技术由于建立在岩石颗粒的均匀排列、孔隙流体均匀分布假定模型基础上,将地层岩性、孔隙率、渗透率等参数作线性研究,致使获得的测井解释结果在大部分复杂地区与地层的真实值不一致。运用测井神经网络,根据测井资料、岩性分析资料、试油资料,可以解决求取地层孔隙率、渗透率、泥质含量、流体饱和度等参数以及进行油气水识别、岩性岩相识别、裂缝识别、水淹层识别、生油岩识别等等。测井神经网络处理解释新技术的兴起和发展,对解决非均质性地层的非线性映射问题具有良好的实用效果。     

基于BP神经网络的田间杂草识别技术研究

设计了一种以田间除草指标体系作为神经网络的输入,以田间除草等级作为输出的田间除草综合评价模型;以田间除草指标的各级评价标准作为模型的训练样本和检验样本,设计了一种神经网络算法,利用Matlab软件对BP神经网络进行训练和检验.结果表明:BP神经网络对检验样本的模拟输出和期望输出是一致的;BP神经网络人工智能技术应用到田间除草,具有运算速度快、精度高,过程方便简捷的优点.     

基于BP神经网络的录音地点识别方法

现有的数字音频取证技术很难做到录音地点的识别,因此司法机关就不易对音频证据的有效性做出判断.针对现状,本文设计了一种基于BP神经网络的录音地点识别方法.该方法是将电网频率(ENF)作为识别根据.进行地点识别操作时,首先将电网ENF作为训练样本训练BP神经网络,然后从待取证的音频文件中提取电网频率数据并作为输入样本,用训练好的BP神经网络对输入样本进行识别,最后用模拟退火算法从识别结果中搜索出最佳识别结果,从而识别出录音的地点.实验结果表明,该方法的识别准确率最低达到90.6%,可靠性满足一定的要求.     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

基于遗传BP神经网络的矿井突水水源识别

为了快速有效识别矿井突水水源,消除矿井水害,综合考虑各种水化学离子在水源识别中的重要性,选择Na~++K~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)、HCO_3~-等6种水化学离子作为识别因子,提出了一种基于遗传算法优化BP神经网络的矿井突水水源识别方法.在同样的训练样本和待测样本下,将该方法的识别效果与BP神经网络、距离判别法、Bayes判别法等方法的识别效果进行比较.仿真结果表明该方法收敛速度更快,识别精度更高.     

基于改进的BP神经网络的钢桁梁桥损伤识别

文章对某钢桁梁黄河大桥进行了损伤数值模拟,提取其固有频率作为BP神经网络的输入参数来训练网络,对桥梁整体的损伤进行诊断,并根据实桥损伤诊断的结果提出了一种改进的BP神经网络方法,它能够解决传统BP算法的梯度下降速度,从而提高运算速度,通过自调节保证学习过程中每一时刻具有较大的Sigmoid函数值,避免了局部极小。     

不同预应力度简支梁拉压杆模型

为研究预应力混凝土简支梁的传力路径及其拉压杆模型设计方法,提出一种改进的双向渐进结构优化算法.按照Von Mises应力准则,以单元应变能为结构性能指标,自行编制了单元生死并行的双向渐进结构拓扑优化程序,实现了混凝土结构拉压杆模型的自动构形.优化程序中引入单元生长与删除加速度因子,有效防止了无效拓扑的出现.通过把预应力等效为外部荷载,将寻找预应力混凝土梁拉压杆模型的问题转化为连续结构的拓扑优化问题.在此基础上讨论了不同预应力度下混凝土简支梁的受力行为并揭示了其合理的力学模型:钢筋混凝土梁可采用桁架模型,部分预应力梁可采用桁架-拱叠合模型,全预应力梁可采用拱模型或拱-桁叠合模型.     

基于BP神经网络的变压器气相色谱分析法

介绍了利用BP神经网络对变压器进行气相色谱分析的原理,给出了训练样本,在对典型样本进行训练的同时,进一步对误差曲线的仿真结果进行了分析。最后以测试样本为例,说明了该分析方法的准确性与有效性。     

简支梁损伤识别的特征方程曲线交点法

基于扭转弹簧模型的裂纹梁振动分析,推导了含单边边缘裂纹简支梁振动频率特征方程,提出了“特征方程曲线交点法”结合“附加质量”的方法．通过绘制相应于损伤梁前几阶固有频率的裂纹深度一位置的关系曲线,并求解其交点识别裂纹参数,解决了由于简支梁的对称性导致的损伤位置的误判问题．数值模拟结果显示,本文方法具有很好的识别精度．     

基于神经网络BP算法的市场预测研究

提出了一种利用神经网络BP算法模型于发现和预测商业市场价格变化趋势的模型。文章着重论述了这一模型的设计思想和实现技术，并选择重庆房地产市场为实验研究对象，给出了用所述方法进行房地产价格预测的实验结果。     

修正Timoshenko梁自由振动及Euler梁误差分析

基于考虑剪切变形所引起转动惯量的Timoshenko梁,采用分离变量法和高阶线性微分方程组特征值问题求解方法,系统地给出了修正Timoshenko简支梁模态特性的分析方法,推导得到了修正Timoshenko简支梁自振频率计算公式和振型函数表达式;并给出了Euler梁模型相对于修正Timoshenko梁模型的误差计算公式。分析结果表明:影响Euler梁模型计算误差的因素包括四个方面:振型阶数、材料泊松比、梁剪应力不均匀系数和回转半径与梁高跨比;随着振型阶数和高跨比的增加,Euler梁模型计算误差值迅速增长;在建筑材料泊松比的分布范围内,Euler梁模型计算误差随泊松比大约呈线性增长趋势;典型截面对Euler梁模型计算误差影响的排序为:圆形矩形T字型圆管箱型工字型H型,采用Euler模型计算工字型和H型截面梁振型频率时,需要特别加以注意。     

预应力设置方式对曲线梁桥扭矩的影响

曲线梁桥的弯-扭耦合效应明显,文章以一工程实例为依托,采用有限元方法建立空间模型,分析在恒载、预应力作用下主梁的扭矩和支座反力分布,研究抗扭支座的预偏心和预应力的设置方式对主梁扭矩的影响,探索有效减少主梁扭矩的方法.结果表明,抗扭支座的预偏心对支座反力及下部结构的受力影响较大,预应力筋的不对称布置方式能改善恒载作用下曲...     

加速移动质量作用下简支梁的动态响应

考虑移动质量块的加速度、质量和梁自身的质量等因素,研究了移动质量作加速运动时简支梁的动态响应．从简支梁的控制方程出发,采用伽辽金截断对简支梁模型进行离散化,由此形成了系统的动力学方程．数值分析时,首先考虑质量块作匀速移动时梁的动态响应,根据前人给出的结果验证了建模及计算的准确性和有效性;然后重点研究了质量块在加速移动时简支梁的动态响应,分析了加速度等参数对系统动态响应的影响．研究表明,质量块在匀速移动时和加速移动时,简支粱的动态响应有着显著的不同．     

基于改进神经网络的边坡岩体弹性力学参数识别方法

基于人工神经网络的 BP算法 ,建立了根据边坡开挖后岩体位移观测数据识别岩体弹性力学参数的数值方法 .在网络训练过程中采用改进的 BP算法 ,通过对学习算子的优化搜索 ,大大提高了网络的收敛速度 ,解决了 BP算法迭代过程中目标函数振荡问题 .通过算例表明 ,提出的改进的 BP算法有助于提高岩土材料参数识别收敛速度和识别精度 .图5 ,表 3,参 15