基于BP网络的混凝土碳化研究

运用改进的BP算法,建立了3 5 1(输入层为3个神经元,隐含层为5个神经元,输出层为1个神经元)混凝土碳化深度BP网络计算模型·计算模型以水灰比、单位水泥用量及砂率为输入,以碳化深度为输出,计算结果与试验结果符合较好·同时,运用改进的BP算法,建立了3 5 1(输入层为3个神经元,隐含层为5个神经元,输出层为1个神经元)混凝土碳化深度BP网络预测模型·预测模型以水灰比、单位水泥用量及混凝土暴露时间为输入,预测模型之一以暴露20年的混凝土碳化深度为输出,预测模型之二以暴露30年的混凝土碳化深度为输出,预测结果均较为理想·     

基于BP网络的粉煤灰混凝土钢筋握裹力计算

基于改进的BP算法,建立了2个粉煤灰混凝土钢筋握裹力BP网络计算模型,模型1为2-6-1型,即该模型输入层为2个神经元,隐含层为6个神经元,输出层为1个神经元,模型1的输入为水胶比及粉煤灰掺量,输出为混凝土钢筋握裹力;模型2为2-8-2型,即该模型输入层为2个神经元,隐含层为8个神经元,输出层为2个神经元,模型2的输入为水胶比及粉煤灰掺量,输出为混凝土强度及钢筋握裹力.模型1混凝土钢筋握裹力计算相对误差为0.019 08%~3.128 92%;模型2混凝土强度及钢筋握裹力计算相对误差分别为2.248 55%~6.808 00%和0.112 74%~9.773 29%.计算结果较为理想.     

基于BP网络的水泥强度预测

运用改进的BP算法,建立了水泥强度预测模型.模型1用于预测水泥抗压强度,网络输入为水泥3 d抗压强度,网络输出为水泥28 d抗压强度;模型2用于预测水泥抗折强度,网络输入为水泥3 d抗折强度,网络输出为水泥28 d抗折强度.网络的改进主要采用附加冲量和自适应学习率等方法,网络运行良好.模型1的相对误差平均值为1.665 5%;模型2的相对误差平均值为3.834 1%,预测结果较为理想.     

冻融时间对早期混凝土抗压性能的影响试验

为研究冻融前养护时间和冻融时间对早期混凝土抗压性能的影响,采用混凝土冻融试验机冻融循环和冬季室内外自然冻融循环,对不同冻融前养护时间和冷冻时间的混凝土立方体试块进行抗压性能试验．冻融循环后混凝土表面不再光滑,表面剥落情况越严重,混凝土疏松、起皮,甚至脱皮,空洞现象也随之增多．龄期越早、冻融时间越长表面破坏越严重．混凝土冻融试验机和室内外自然冻融受冻试块的冻融时间与质量损失率的关系曲线大致相同,受冻时间为6h的试块均比受冻时间为12h的质量损失大,且冻融前养护3d和7d的质量损失较大,7d后质量损失较小,斜率趋于平缓．混凝土冻融试验机和冬季室内外自然冻融受冻12h的试块比受冻6h的抗压强度低,抗压强度损失率要大．     

硫酸盐溶液中混凝土抗冻融干湿循环性能

研究了冻融干湿循环交替作用下,不同强度等级、不同含气量的混凝土在水中和7%硫酸钠溶液中的耐久性能.采用40mm×40mm×160mm试件直立半浸入介质进行干湿循环试验.结果表明:在冻融干湿交替作用下,混凝土在硫酸盐溶液中表面剥落较水中严重;引气后混凝土的质量损失和相对动弹模下降均减小;混凝土的抗压强度在几次循环后下降,且在硫酸盐溶液中的损失大于水中;非引气混凝土的抗压强度损失大于引气混凝土;试件上半部的抗压强度损失明显大于下半部.适量的引气可以极大地改善混凝土的抗冻融干湿循环性.     

基于人工神经网络的生土基砌体抗压强度预测

采用BP人工神经网络模型,以砌体高厚比、块材强度及粘结剂强度作为输入变量,以砌体抗压强度作为输出变量,建立网络模型模拟输入变量和输出变量间的非线性关系,提出了用于生土基砌体抗压强度计算的简化公式,并将模型预测结果与试验值、计算值进行了对比分析.结果表明:在样本空间内,本研究所建立的10隐含层神经元BP神经网络模型对生土基砌体抗压强度具有较好的预测性能,且简化公式的计算精度及稳定性均较好,计算值与试验值的比值均值为0.92,方差为0.28,可用于对生土基砌体单轴抗压强度的计算.     

基于BP网络的再生混凝土抗压强度的预测模型

利用BP神经网络法,建立了再生混凝土的抗压强度预测模型。该模型采用了3层网络结构模式,输入层采用再生混凝土的配合比数据,输出层为再生混凝土,置放7、28、56、90 d的强度数据,模型的转移函数均采用单极性Sigmoid函数。由于Sigmoid函数值为[0,1],因此,对再生混凝土输入数据进行归一化处理。最后,设计了33块再生混凝土的抗压强度试验,利用试验数据对网络模型进行测试,测试的结果证实了该模型对再生混凝土的强度预测值与实际测试结果基本相符。     

低温钢纤维混凝土强度试验与预测

以不同温度(0℃、-5℃、-10℃、-15℃、-20℃)、不同钢纤维掺量及不同水灰比的钢纤维混凝土的抗压、抗拉、抗折与抗剪强度试验结果,建立以温度、钢纤维掺量以及水灰比作为输入矢量,混凝土预测强度作为输出矢量的网络模型。用人工神经网络分别为抗压强度、抗折强度、抗拉强度及抗剪强度建立了合适的网络模型,输入层和隐含层均采用双曲线正切S型传递函数,输出层采用线性传递函数。网络采用Levenberg-Marquardt算法进行训练,对低温钢纤维混凝土的强度进行了预测,预测的相对误差在0~0.05的范围内波动,各训练总标准差与仿真总标准差均在0.3的范围内,取得了满意的结果,这对低温条件下钢纤维混凝土强度预测有一定实用价值。     

冻融损伤对再生混凝土耐久性及与钢筋粘结性能分析

制作掺入引气剂和未掺入引气剂的100％粗骨料取代率的再生混凝土RC1和RC2两组试件以及掺入引气剂和未掺入引气剂的普通混凝土NC1和NC2两组试件,并分别对经过不同次数冻融循环试件的抗压强度、质量损失率、动弹性模量损失率进行研究。结果表明,冻融后各组试件的抗压强度、质量损失率及动弹性模量损失率均降低,对于添加引气剂的NC1和RC1两组试件损失较小,其中RC1组试件在200次冻融后抗压强度损失接近40％,质量损失率达0．5％,动弹性模量损失率38．5％。100％取代率并加入引气剂的ZRC组试件冻融后进行中心拨出实验,发生劈裂破坏和钢筋拔出破坏2种形式。再生粗骨料混凝土与钢筋的极限粘结应力均随冻融次数的增加而降低,200次冻融后极限粘结应力下降33．5,荷载滑移曲线既有上升段也有下降段。     

普通混凝土强度预测的BP神经网络模型

在分析普通混凝土强度影响因素基础上 ,选取混凝土配料中 7个因素作为输入值 ,混凝土2 8d强度作为输出值建立了混凝土强度预测的 BP网络模型。讨论了模型的学习样本、网络参数对预测精度的影响 ,选出最佳网络参数配置。实例证明模型预测精度高。     

基于在线学习误差反传算法的仿真伺服系统设计

针对无人机(UAV)仿真伺服系统的驱动模型,提出了一种将误差反传算法用于UAV仿真伺服系统在线学习设计的新方案.在该算法中采用了BP神经网络的基本思想,设计了两输入、单隐层、两输出在线学习策略,输入层分别为给定指令信号和反馈数字解算后的位置信号;隐含层单元数为12个;输出层设为2个输出单元,即经在线学习误差反传算法学习训练后的数字位置和速度,其中位置控制器采用自调节比例-积分-微分(PID)控制,速度通过数字/模拟(D/A)转换后传送到速度控制器,设定精度误差指标为0.05,训练样本数为30.用研制的UAV仿真伺服系统对UAV光纤陀螺传感器进行含实物半物理实时仿真实验,结果表明,该在线学习误差反传算法控制方案的UAV仿真伺服系统具有收敛性好、动态响应快、鲁棒性强的特点.     

基于RBF-BP复合神经网络的企业创新能力评价模型

为更加精准地测量企业创新能力,利用熵值法和相关性分析,从创新投入、创新产出、创新支撑3个维度建立企业创新能力评价指标体系,构建企业创新能力评价的RBF BP复合神经网络模型。该模型由1个输入层、1个RBF隐含层、1个BP隐含层以及1个输出层组成,其特点是将RBF隐含层的输出作为BP隐含层的输入。十折交叉验证与随机二次抽样2种方法检验表明,与单一RBF神经网络、单一BP神经网络相比,RBF BP复合神经网络模型的平均均方误差与平均绝对误差分别下降2821%、1519%和1251%、1255%,表明RBF BP复合神经网络模型具有最优的数据拟合能力,更适合于企业创新能力评价。     

粗糙集和神经网络相融合的钻井安全评价模型

针对动态性、随机性和不确定性较强的钻井作业现场,开展了安全评价的研究。提出了一种基于粗糙集和BP神经网络对作业现场进行安全评价的方法。首先以粗糙集为基础来构建BP神经网络的前置系统,对采集到的样本数据进行属性约简。其次,根据约简结果以及作业当天的事故情况完成了BP神经网络输入层和输出层的设计,并根据输入层和输出层神经元的个数通过试凑法确定网络隐含层的神经元数量范围,并采用训练样本对不同神经元个数所对应的网络模型进行训练,选择网络误差最低的网络作为所构建的网络模型。最后,选取16 d的测试样本对网络进行验证,将网络的输出同作业现场的实际结果进行比较,有14 d的网络结果与实际结果相符,测试准确率达到了87.5%。     

神经网络在提升机故障诊断中的应用

结合领域专家的经验知识,根据提升机制动系统故障树,完成了故障样本的收集与设计,然后用自组织特征映射(SOM)网络对制动系统的7种故障自动进行了分类,成功实现了第一层次的诊断;总结了制动系统子系统-液压站故障树,进行故障样本的收集与设计,然后用BP网络、BP网络状态分类器和Elman网络对液压站故障进行了第二层次的诊断,确定了故障原因和程度.对液压站故障的测试结果表明,这3种网络最后的结构和智能算法trainlm、输入、输出均能满足故障诊断与预测的要求;Elman网络的诊断性能较稳定,其隐含层神经元数对诊断性能的影响较小;故障测试精度由高到低依次是BP网络状态分类器、BP网络、Elman网络.     

伪线性神经网络

给出了多输入－多输出（MIMO）的伪线性神经网络（PNN）结构与模型。PNN的构成是基于Gain-schedu-ling 控制技术与扩展线性化方法。还讨论PNN的递推预报误差的二阶学习算法（RPF）和训练过程中，并通过对多变量、强耦合的非线性加热炉的动态建模,证明了用PNN建模，效果良好，且具有训练参数少，收敛 速度快，准确性高等良好性能。     

Gabor原子网络法在雷达目标高分辨距离像识别中的应用

针对飞机目标的分类问题 ,介绍了一种称为 Gabor原子网络的高分辨雷达目标距离像识别算法。 Gabor原子网络的输入层采用 Gabor原子变换作为预处理单元 ,完成对特征的提取。Gabor原子网络的隐层和输出层组成一个多层前馈网络 ,采用改进的反向传播算法对权值进行调整。文中同时给出了网络在训练过程中自动调整 Gabor原子节点的特征参数的算法。对 3种缩比模型飞机的微波暗室转台数据进行了分类 ,结果表明三维空间内的 Gabor原子网络方法比一维空间内的原始距离像或 Fourier幅度方法和二维空间内的 Gabor变换或小波变换方法更适合高分辨雷达目标距离像的识别     

一种基于模糊VSM和神经网络的文本分类方法

针对文本自动分类时可能存在一个文本属于多类的问题,提出了一种基于模糊向量空间模型和神经网络的文本自动分类方法。该方法采用模糊集理论,把特征项在文档中出现的位置作为反映文档主题的重要程度（隶属度）,并在特征提取时充分考虑该位置信息,从而构造出模糊特征向量,使文本分类更接近手工分类方法。建立的网络由输入层、隐含层和输出层组成,其中输入层完成分类样本的输入,隐含层提取输入样本所隐含的模式特征,输出层用于输出分类结果。实验部分以万方数据库中部分文档数据为例验证了该方法的有效性。