大跨度预应力混凝土连续梁桥的线形控制

从工程实际出发,对预应力混凝土连续梁桥施工过程线形预拱度控制的结构计算分析和误差调整预测方面作了较为深入的研究,对预应力混凝土连续梁桥施工控制过程的影响因素做了全面的分析。结合某实桥,运用大型有限元程序建立全桥模型,计算出施工阶段的理论立模标高,实现了全桥合龙后整体线形美观。     

基于灰色预测理论的连续梁桥施工线形控制研究

为解决桥梁施工过程中主梁线形控制问题,以山西某预应力混凝土刚构连续梁桥为例,采用桥梁博士3. 03建立施工监控模型,计算出施工各个节段的挠度变化值,再结合挠度变化实测值,运用灰色预测理论对误差值进行调整,计算求出立模标高,确保主梁顺利合拢。结果表明利用该方法对于解决桥梁施工线形控制问题可行。     

基于鲁棒卡尔曼滤波的连续梁桥悬臂施工误差调整

由于误差的存在,连续梁桥悬臂施工中各梁段实际状态与理想设计状态总是存在偏差。为了实现施工控制目标,使成桥线形符合设计要求,采用能够自适应修正系统函数模型误差和随机模型误差的鲁棒卡尔曼滤波算法,对桥梁施工预拱度进行预测分析。给出调整后的立模标高。对张拉后各节段梁底实测标高与理论预计标高进行比较,监控结果显示两者的最大误差小于15mm,满足监控要求。鲁棒卡尔曼滤波在连续梁桥悬臂施工线形控制中应用是有效的,且易于工程实现。     

大跨预应力混凝土连续梁桥悬臂施工结构控制分析

目的研究大跨度预应力混凝土连续梁桥悬臂施工的成桥线形和受力情况,为施工控制提供理论依据,并指导桥梁的设计和施工.方法模拟分析大跨度预应力钢筋混凝土连续桥梁悬臂施工的受力状态和变形特点,得到桥梁结构各个施工阶段的受力状态和变形,利用TDV软件建立桥梁模型,分别采用正装分析法、倒装分析法和无应力状态分析法,对桥梁施工过程进行结构控制分析.结果模拟分析出桥梁结构在各个施工阶段的变形和受力状态以及它们的变化规律,保证桥梁成桥的线形和受力情况符合设计要求.结论根据结构控制原理并结合模拟分析数据特点,正装分析法适用于施工过程中结构应力计算,倒装分析法适用于施工过程中立模标高的确定,无应力状态分析法适用于预测成桥状态下的结构应力和线性情况.     

对称悬臂施工桥梁的线形和应力控制

以某地区干道淡水河为工程背景,应用桥梁结构分析软件建立了该桥理论计算模型并进行了结构分析.应用灰色系统理论对该桥施工控制的立模标高进行预测,计算结果和现场实测结果表明该方法提高了线形预测的精度.指出了灰色系统理论应用于连续刚构桥的施工控制是可行的.     

流溪河特大桥施工监控

以流溪河特大桥为工程背景,介绍了桥梁施工监控的内容及其目的,并通过有限元软件建立该桥有限元仿真模型,计算桥梁结构理想状态,采用根据实测结果进行参数识别修正模型参数的方法,较好的预测施工阶段的立模标高,最终确保了合拢精度,使成桥后的结构线形和内力满足设计要求。     

连续梁悬臂施工监控技术探讨

桥梁施工监控在大跨度连续梁桥悬臂施工过程中起着非常重要的作用。本文结合连续梁桥悬臂施工的特点,对大跨径连续梁悬臂施工的监控技术进行了分析,内容包括施工影响因素分析、混凝土材料力学参数测定、施工控制仿真计算、施工控制现场监测以及立模标高的确定与调整等,并给出了具体的技术措施。对同类桥梁的悬臂施工监控,具有一定的借鉴意义。     

连续梁桥的线形监控研究

线性监控是箱梁悬臂施工控制的一项重要内容,目的是为施工提供每一个箱梁施工阶段准确的立模标高,为保持桥梁的设计线形和顺利合拢打下基础。某特大桥是一座现浇预应力混凝土连续梁桥,以该桥为工程背景,介绍线形监控的自适应控制方法以及线形监控中采取的措施,说明自适应控制理论能较好地应用于此类桥梁的线形控制。     

大跨径PC连续刚构桥神经网络控制系统

介绍了传统的连续刚构桥施工监控方法，提出了以神经网络为基本控制理论的施工控制方法。根据神经网络自身特点，以及桥梁立模标高影响因素的复杂性，对神经网络影响因素进行了分析。以截面尺寸、弹性模量、温度、与零号块浇筑的时间差以及悬臂端的悬臂长度作为输入矢量，借助图形用户界面，构建了神经网络，实现了对大跨径PC连续刚构桥施工过程的预测控制。     

高墩大跨连续刚构桥线形控制关键技术研究

桥梁线形控制是施工监控的关键内容,是保证桥梁顺利合龙和成桥线形达到设计要求的技术保障。影响连续刚构桥线形的因素繁多,一旦控制不好会影响成桥后行车舒适度,甚至造成桥梁跨中下挠等严重工程事故,文章结合怒江特大桥的监控实例,综合分析了高墩大跨连续刚构桥的线形监控要点,采用有限元仿真计算与现场实时监控数据相结合的监控方法,通过调整施工立模标高,达到控制结构整体线形的目的,并对比分析监控数据的理论计算值与实测值。实践表明,在怒江特大桥施工监控过程中所采用的技术措施,不仅为大桥的成功修建起了重要作用,也为连续刚构桥施工线形控制积累一定的经验。     

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．     

基于混沌优化支持向量机的板形预测与优化

针对带钢热连轧中板形控制问题, 提出了一种基于最小二乘支持向量机模型的预测和优化算法. 在分析最小二乘支持向量机数学预测模型的基础上, 提出了一种改进的变尺度混沌优化方法, 结合实数编码遗传算法, 进行最优模型参数的搜索. 利用在线实测数据对模型进行训练并进行带钢平直度指数的预测, 并对模型输入参数中的控制参数进行优化以实现板形控制的优化. 仿真结果表明, 与BP神经网络相比, 板形预测精度得到提高, 平直度指数优化约40%, 为进一步提高热连轧板形控制精度提供了一种新的有效方法.     

基于BP神经网络的电解加工精度预测模型

为精确地预测电解加工精度,采用了BP神经网络的方法进行建模．在分析影响加工精度主要因素的基础上,确定了BP神经网络模型的特征参数,并根据实际情况,确定了输入层和中间隐层的维数,从而确定了模型的结构．用试验参数对模型结构进行训练,最终建立了一个用于电解加工精度预测的BP神经网络模型．利用该模型进行的精度预测结果表明,该模型的预测误差可以控制在10％以内,具有很高的精度预测能力．     

离子液体的无限稀释活度系数测量过程分析

摘要：离子液体受到结构上不对称性、静电作用等多种作用影响,系数特征容易发生形变,传统的测量方法在干扰状态下,很难准确测量。提出一种新的无限稀释活度系数测量模型(MCS-SVM)。通过实验测量与无限稀释活度系数相关的溶质参数,并将它们分成为训练集和测试集;然后将训练集输入到一种最小二乘支持向量机分类模型,并进行的活度系数,完成最优的无限稀释活度系数测量消除测量误差。仿真结果表明,相对于传统测量方法,该模型可以准确描述无限稀释活度系数与溶质参数的非线性关系,提高了无限稀释活度系数的测量精度。     

唯一性逻辑及其BP神经网络侦测

创新地提出了唯一性逻辑的概念并给出了其定义。所谓唯一性逻辑,就是判断输入向量中是否存在唯一分量的逻辑。展望了唯一性逻辑可能的应用前景。采用了BP神经网络来建立唯一性侦测与应用模型。计算机实验表明,该文提出的基于BP神经网络的模型可以准确有效地进行唯一性逻辑的侦测与应用。     

自适应神经模糊推理系统和BP网络对污水溶解氧实时预测的比较研究

为了对污水处理生物过程中曝气池内溶解氧进行准确的实时预测,分别应用自适应神经网络模糊推理系统(ANFIS)和BP神经网络建立了针对曝气池溶解氧的预测模型,并进行了对比研究。结果表明,用自适应神经模糊推理系对曝气池溶解氧的预测,在模拟误差和收敛性方面,均好于单纯的BP神经网络。     

基于BP神经网络的非特定人语音识别算法研究

当前非定特人语音识别算法大多只适于连续语音,且识别精度和速度均较低。为此,提出一种新的基于BP神经网络的非特定人语音识别算法,介绍了标准BP神经网络,针对其收敛速度慢的弊端,通过变化的自适应学习速率,令网络训练针对各种阶段自行设置学习速率值,利用变学习速率构建对应的改进BP神经网络模型,将改进的BP神经网络模型看作识别非特定语音的识别器,输入待识别语音,令累计预测残差达到最小,实现非特定人语音识别。将改进模型应用于非特定人语音识别中进行验证,结果表明所提算法识别率更高、识别速度更快,不仅适于连续语音的识别,也适于不连续语音的识别。     

基于 KPCA-AGRU 神经网络的火电机组 NO x排放预测

针对火电机组锅炉燃烧过程中预测 NOx 排放过程存在的非线性和时序性特点,提出一种基于核主成分分析 (KPCA)和注意力机制(AM)的门控循环神经网络(GRU)氮氧化物预测模型。 首先选用 KPCA 对模型的输入变量 进行降维,消除冗余变量;其次,将筛选的变量数据作为 GRU 的输入,并采用网格搜索优化 GRU 的超参数;最后, 引入 AM 计算权值,实现区分输入特征功能,提高 NOx 预测模型精度。 通过某 330 MW 电站锅炉实际数据对 AGRU 预测模型仿真验证,并将 AGRU 模型、GRU 模型和 BP 神经网络模型的预测结果进行对比。 结果表明:基于 AGRU 的 NOx 预测模型的均方根误差和平均绝对误差较 BP 神经网络和 GRU 模型均有减少,可精准预测非线性时序燃 烧过程的 NO x 排放。