面向桥梁冲刷动力识别的水槽物模试验研究

为定量分析与验证研究桥梁冲刷动力识别,同步动力特性与冲刷发展的实测数据并验证该方法的有效性.依托张靖皋长江大桥桥塔主墩冲刷设计,利用大型水槽水文-结构物理模型对基础冲刷发展全过程进行试验模拟,基于多组别试验“冲刷-基频”同步实测数据,研究墩桩振动频率随冲刷深度发展的演变规律,定量分析桥梁冲刷动力识别方法的敏感性与准确性.结果表明：3组冲刷试验均造成基础边界条件极大改变,且冲刷越剧烈,结构频率下降比例越大;基础自振频率与冲刷时间成近似线性关联;自振频率平方与冲刷深度成显著线性关联.动力识别方法对桥梁冲刷发展具有较高敏感性,可有效应用于区域性桥群冲刷异变快速检测,并为重点桥梁进一步水下筛查提供数据支撑与准确依据.     

基于时频融合卷积神经网络的股票指数预测

传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降。为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法。首先通过引入变分模态分解(VMD)将原始序列数据分解到频域特征上,使得分解后的股指数据具有低信噪比,同时具有更明显的趋势性和平稳性。进一步结合时序卷积神经网络(TCN),构建了时频融合的卷积神经网络模型。最后在6个实际数据集上与8个基准方法进行比较,实验结果表明该方法具有更高的预测精度和更好的解释性。     

基于时频分析和神经网络的水声通信信号识别技术

 水声通信信号识别具有重要的现实意义。传统的识别器是每种调制模式分别设计的检测器,因而运算量随调制模式数量的增加而增加。随着通信技术手段日益更新,调制模式不断翻新,传统识别器已经不能满足快速检测和识别信号的要求,设计统一的特征提取方法以减少检测器的数量非常迫切。从侦收信号的时频分布中提取特征向量,利用人工神经网络对特征向量进行分类,基于此提出了一种新的识别方法。对本文提出的识别器,在使用前增加新的调制模式的样本并重新训练神经网络,使用过程中能实现更多调制模式的识别而不增加运算量。对特征向量的提取方法进行了详细描述,并通过计算机仿真实验,得出了低信噪比时的正确识别概率。     

基于MATLAB神经网络工具箱的边坡冲刷量计算

介绍了人工神经网络BP模型和MATLAB神经网络工具箱。在分析坡面冲刷过程与神经网络模型特点具有某些相似的基础上，以MATLAB—NNT为工具对6种模型结构进行试验，证明ANN4效果最好。利用ANN4对土的冲刷量进行模拟及预测，通过与连徐高速公路邳州段路堤边坡冲刷试验观测资料分析比较，显示具有较好的模拟预测效果。     

基于神经网络的边坡冲刷稳定性综合评价

边坡冲刷稳定性评价具有不确定性,将人工神经网络应用于边坡冲刷稳定性评价,建立了边坡冲刷稳定性神经网络模型并进行了验证,对边坡的设计和施工有一定的使用价值。     

基于神经网络的公路边坡冲刷量模拟计算

神经网络模拟采用三层前馈网络模型，输入层有3个结点，分别代表30min降雨强度、降雨历时和降雨量，表示冲刷外因。输出层只有一个结点，代表坡面冲刷量；隐层结点数采用7个，即土压实度、坡度坡长、径流流速、径流流量、土颗粒粘聚力、植被指数和人为干扰等，为影响冲刷量的主要因素。为了验证模型，在连徐高速公路路堤边坡用SR型人工降雨设施进行冲刷试验，得到冲刷量实测资料，将通过模型计算的冲刷量值与之比较，显示了模型具有较好的模拟预测效果。     

桥梁承载能力状态评估的模糊神经网络推理方法

在综合现有的状态评估理论方法的基础上,提出了基于层次分析的承载能力状态评估模型.结合模糊理论和神经网络技术,建立了一套基于监测信息输入的模糊神经网络推理系统框架,并利用模糊规则生成的规则库作为神经网络训练和学习的样本.利用实例验证了采用此智能评估技术进行承载能力状态评估的可行性和实用性.     

基于神经网络和遗传算法的桥梁参数优化方法与分析

在桥梁施工监控中,实测标高与理论预测标高存在差异的主要原因之一是理论计算参数存在偏差,因此对计算参数进行有效修正成为现代施工控制的一个关键问题。分析和确定了影响标高预测误差的主要参数,利用有限元分析建立了主要参数和标高之间的BP网络模型,该模型在一定参数取值范围内可以取代有限元模型预测标高,从而大大减少计算量。在建立的BP模型基础上,通过浮点编码的遗传算法对目标函数进行优化得到一组最优计算参数。对实际桥梁的计算分析表明,本文确定的分析参数物理意义明确,基于本文方法的修正能有效地提高标高预测精度,对类似桥梁的计算分析具有指导意义。     

基于MATLAB神经网络的丁坝坝头冲刷深度预测模型

文章简要介绍了MATLAB神经网络工具箱的用法、特点以及丁坝的具体概念。利用MATLAB神经网络工具箱和实验室丁坝坝头冲刷深度的实测数据建立神经网络模型，进行冲刷深度的预测。     

基于长期动力特性监测数据的大跨度桥梁安全性能评估

为了满足快速、准确地进行大跨度桥梁安全性能评估的需要,提出了一种利用健康监测系统的动力监测数据评价预应力混凝土连续刚构桥的长期安全性能的方法.介绍了一座大跨度连续刚构桥健康监测系统动力测试的基本情况,并比较了环境振动测试和健康监测系统动力测试的结果.利用连续刚构桥的自振频率温度修正模型,采用考虑温度效应的实测动力特性对连续刚构桥有限元模型进行修正,得到反映实际状态的基准有限元模型,通过汽车荷载试验的结果验证该计算结果的准确性.最后,根据基准有限元模型的计算结果与设计计算结果的比较评估桥梁当前的安全性能.结果表明:根据长期动力特性监测结果修正的基准有限元模型能够反应桥梁实际工作状态,评估结果具有很好的精度,可以有效地应用于大跨度桥梁长期安全性能评估.     

基于程度分析的中小桥梁评估方法

考虑到公路和城市桥梁评估规范结果可能存在的差异,对城市内的原公路桥梁提出基于程度分析理论的评估方法.首先,采用心理测量试验和定性问题的定量描述研究评估标度及扣分值;其次,基于桥梁评估规范确定缺损、构件及部件的权重;然后,引入桥梁缺损对结构使用功能影响系数及缺损发展变化状况修正系数得到缺损最终扣分值;最后,结合分层加权方法计算各部件及全桥的技术状况评分.结果表明,采用基于程度分析的桥梁评估方法计算得到的全桥评分低于城市规范评分但高于公路规范评分.当基于不同规范得到的评估结论出现较大差异时,程度分析方法可作为一种辅助的评估方法.     

山区桥梁桩基冲刷及防护设计分析

随着经济的快速发展,公路路网修建工程不断往山区推进,桥梁作为跨越障碍物的建筑物,在山区修建公路的工程中发挥着至关重要的作用.跨越山区河流的桥梁结构,在施工及建成使用中都会遇到水流冲刷的问题.文章结合具体的工程实例,针对分析水流冲刷对山区桥梁桩基的损害以及防护措施.     

基于动力指纹的斜拉桥桥塔冲刷深度识别方法

提出了一种基于动力指纹的斜拉桥桥塔冲刷深度识别方法.利用理论分析得到不同冲刷深度与所提出的动力指纹之间的定量关系;进而在常规桥梁检测中得到桥梁野外状态下的动力特性实测数据,通过反演分析利用预先得到的定量关系最终得到对应的桥塔冲刷深度.为研究该方法的适用性与可行性,分别提出全桥固有频率以及模态柔度位移两种动力指纹构成形式,并基于宁波招宝山大桥(斜拉桥),采用数值仿真的手段,分析两种动力指纹与冲刷深度之间的定量关系特征.分析结果表明:通过跟踪两种动力指纹变化情况,均可较好地对斜拉桥桥塔冲刷深度进行定量识别;特别采用主梁竖弯振型或主塔横弯振型构建模态柔度位移指标时可得到更为敏感的冲刷识别效果.该方法可借助常规桥梁检测项目对桥塔冲刷状态完成定性判断及定量分析,具备计算逻辑严密、监测设备经济性好、完全避免水下操作等特点,在上部结构动力特征正确识别的基础上,可实现斜拉桥桥塔冲刷深度的准确预测.     

高速公路改扩建中的桥梁冲刷加固技术分析

高速公路是交通系统的重要组成部分,随着经济实力的不断提升,交通需求压力也在不断的增加,既有的高速公路已经难以满足现在的交通需求,为了适应交通量的增长,高速公路改扩建成为了交通行业发展的大趋势.在高速公路改扩建中,桥梁拼宽存在较多问题和难点,其中最容易遗漏的问题是对存在冲刷的老桥桥墩墩柱及桩基加固,本论文以某高速公路改扩...     

利用B-TBU模型评估桥梁状态的神经网络法

鉴于目前常用的桥梁状态评估方法存在较大的人为主观性和随意性,且无法考虑历史评估数据对当前状态的影响,因此不能准确地反映出桥梁当前的真实状态,依据贝叶斯推断中考虑先验信息影响的特点,提出了一种B-TBU模型的方法,在对当前状态的评估中,考虑历史评估数据的影响,对某座桥梁近20年的状态进行重新评估.评估结果表明:采用B-TBU模型方法可大幅度提高状态评估的准确性,使桥梁各年份状态评估的准确度均提高到90%以上;同时将BP神经网络、ELM神经网络等算法初步引入B-TBU模型,对该B-TBU模型方法进行训练学习.其结果表明,采用神经网络类方法,各年份状态评估的准确度也保持在80%左右.     

基于时频熵和神经网络的光伏发电功率预测模型

针对光伏电站并网后发电功率波动较大影响电网合理调度及平稳运行的问题,提出一种基于EEMDHilbert变换及时频熵的神经网络光伏发电功率预测方法。将电站光伏发电功率历史值按晴天、雨天及多云天分类并分别用集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法分解成若干频率由高到低的内禀模态分量,经游程检测法重构成高频和中频分量,再由Hilbert变换得到高频和中频分量各数据点的频率与幅值,构造信号的能量谱图,提取含有时频信息的特征参数时频熵,将其与EEMD分解后得到的中频或高频分量以及温度、光照强度、风速、相对湿度等气象参数作为BP(back propagation)神经网络的输入,构建预测模型对不同天气条件下短期和超短期光伏发电功率进行预测。研究结果表明:此方法预测精度较高,发电功率预测误差基本上小于仅用气象数据直接预测的误差;晴天、雨天和多云天的短期光伏发电功率预测准确率分别为0.995,0.944和0.931,超短期预测准确率分别为0.996,0.984和0.991。     

基于卷积神经网络的桥梁裂缝检测与识别

针对当前中国检测桥梁裂缝依赖人工目测,危险系数极大的落后现状,研究了一种基于数字化和智能化的检测方法,以提高桥梁安全诊断效率,降低危险系数。结合机器视觉和卷积神经网络技术,利用Raspberry Pi处理器采集和预处理图像,分析裂缝图像的特点,选取效果检测和识别裂缝效果最佳处理算法,改进裂缝分类的卷积神经网络模型(CNN),最终提出一种新的智能裂缝检测方案。实验结果显示:该方案能够找到超出桥梁裂缝最大限值的所有裂缝,并可以有效识别裂缝类型,识别率达90%以上,能够为桥梁裂缝检测提供参考数据。     

RC桥梁健康状况及承载能力的动力评估试验

根据板梁模型从完整到破坏不同荷载等级作用下室内静、动力试验成果,并结合结构动力学理论,应用非线性回归方法,建立起RC板梁静动刚度比(β)与频率比(α)的回归关系式。提出了名义配筋率(μnom)的概念,并依据板梁在正常使用状态下挠度和裂缝的控制要求以及在承载能力极限状态下强度控制的要求,给出3种控制弯矩的计算公式,同时,把它们表述成名义配筋率的函数形式,用于RC梁健康状况的量化评定。     

基于推倒分析的桥梁地震损伤评估模型与方法

推倒分析方法作为一种结构非线性一地震响应的近似计算方法,以其概念简明、操作简便、桶用图形方式直观地表达结构的抗震能力与需求等特点,正逐渐受到重视和推广A．Ghobarah提出利用两次推倒分析结果来计算多层建筑结构的操作指数,针对普通规则的桥梁结构,提出了推倒损伤模型的改进计算方法,该方法避免了非线性动力分析的繁琐,用简便的手段描述结构非线性特性,评价结构遭受不同地震烈度时的损伤程度,通过一座双柱式桥墩的计算分析表明,采用这种方法可以简单、合理、可靠地得出结构的损伤值。     

基于神经网络的学位与研究生教育评估

随着学位与研究生教育评估的发展，加强评估是保证其质量的重要措施。面对日益复杂的评估对象，有必要引入非线性的评估手段，这对于弱化评估过程中的人为因素，保证评估结果的准确性有重要意义。神经网络是近年来发展迅速，固其具有自学习、自适应、联想记忆、并行处理和非线形映射等特性而成为良好的非线性建模工具。在提出了基于神经网络的学位与研究生教育评估模型的基础上，阐述了这种评估方法的实际应用价值。