多块路面板脱空状态试验检测与数值仿真分析

研究了基于声振法检测水泥混凝土路面板不同脱空状态动力响应。针对水泥混凝土路面板不同脱空状态,采用试验和数值仿真相结合的方法,通过传感器采集和分析室内试验中不同脱空状态水泥混凝土路面多块板的应变和加速度,由此建立水泥混凝土路面板不同脱空状态有限元模型,对路面板进行数值仿真分析。结果表明:脱空路面板的板顶最大加速度和最大应变均大于非脱空路面板;对边同时脱空的板顶最大加速度和最大应变值明显大于其它脱空状态,且对边同时脱空状态下的路面板振动最大振幅对应的频率最小;不同脱空状态试验解与数值解对比表明数值解是可行的,二者互相验证。     

基于脱空的水泥混凝土路面的应力有限元研究

<正>近年来,我国水泥混凝土路面的铺筑面积不断增加,但在高等级公路中的比例却在不断减小。究其原因,主要是半刚性基层上的水泥混凝土路面冲刷脱空严重,且病害出现后难以维修,不仅没有体现出水泥混凝土路面使用寿命长、养护费用低的优点,反而凸显了其维修困难的弱点。因此,有必要对脱空     

声振法水泥混凝土路面地基脱空判定

通过声振法采集水泥混凝土路面声频信号,利用 MATLAB软件的数据分析和处理功能进行音频信号的频谱及声谱分析,定义频率变量和频率峰态值等状态参数,应用多值神经网络和Dempster-Shafer理论建立了一套噪声环境下的自动识别系统,实现水泥混凝土路面地基脱空的判定.     

地震波法检测水泥混凝土路面板含水脱空试验研究

为了研究地震波法检测水泥混凝土路面板含水脱空动力响应,采用室内缩尺试验的方法,进行水泥混凝土路面板含水脱空试验,得出在不同脱空状态、不同脱空区域和不同落锤高度的情况下水泥混凝土路面板在含水和不含水状态下的动力响应.结果表明:水泥混凝土路面板的脱空位置和锤击位置不同,导致水泥混凝土路面板所承受的力存在很大差异,角隅纵缝同...     

脑电近似熵分析的思维分类识别

以近似熵为指标,分别计算6导脑电信号的复杂度,作为神经网络分类器的输入特征向量,对5种思维任务进行分类识别.测试结果表明,针对5次练习的均值而言,平均识别率为73%,说明利用多导脑电的复杂性进行思维辨识是可行的.     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

基于Gabor小波和神经网络的图像目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,提出一种结合Gabor小波和神经网络的图像目标识别方法.该方法首先对图像进行预处理,用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别.实验表明这种方法鲁棒性好、识别率高,具有较广泛的实际应用价值.     

轮载和水耦合作用下水泥混凝土路面板脱空动力响应分析

为了研究水泥混凝土路面板底脱空区水损害的相关理论,控制和预防板底脱空的扩展和出现,采用数值仿真分析的方法,针对水泥混凝土路面板不同脱空状态、不同脱空面积、不同车辆轴载,考虑真实轮胎荷载模型,运用有限元软件ADINA建立轮载-水-水泥混凝土路面板有限元模型,并对其进行数值仿真分析。结果表明:水泥混凝土路面板含水脱空区域面层的弯沉和弯拉应力明显大于非脱空区域,且角隅脱空区域面层弯沉和弯拉应力比纵缝脱空区域大,而纵缝脱空区域基层滞留水对基层所产生的弯沉和动水压力明显大于角隅脱空区域;角隅脱空区域和纵缝脱空区域路面板随着脱空面积的增大,脱空区域基层弯沉和动水压力逐渐增大,且在相同的脱空面积情况下,板纵缝脱空区域的基层动力响应明显大于角隅脱空区域;随着车辆轴载的增加,脱空区域内含水基层动力响应逐渐增大。采取交通管制、及时注浆或者灌浆和降低轴载等补救措施,可以有效减缓含水脱空区域水泥混凝土路面板结构的破坏。     

基于小波包的固液两相流流型识别方法

针对固液两相流特征参数和流型之间的非线性关系,提出了一种基于小波包分解和人工神经网络的流型识别方法.该方法首先用FLUENT软件建立物理模型和动力学模型并设置一个监测点,对采集到的速度波动信号进行6层小波包分解,得到最优小波树及其信息熵,然后将信息熵构成的特征向量输入BP神经网络进行训练和识别.最终的测试结果表明:该方法能有效克服传统识别方法存在的主观性,具有较好的识别效果,为固液两相流的流型识别提供了一种有效的选择.     

基于纹理特征和Hu不变矩的KELM滤光片缺陷识别研究

为提高滤光片缺陷识别的精度,提出一种基于纹理特征和Hu不变矩的核极限学习机(KELM)滤光片缺陷识别算法。通过提取能量、熵、对比度和局部均匀性以及7阶Hu不变矩特征组成联合特征向量,将联合特征作为KELM的输入,滤光片缺陷类别作为KELM的输出,建立KELM的滤光片缺陷识别模型。通过KELM和极限学习机(ELM)、支持向量机(SVM)、BP神经网络(BPNN)的对比发现,算法KELM具有更高的识别准确率,提高了滤光片缺陷识别的精度,同时为滤光片缺陷识别研究和应用提供了新的方法。     

超孔隙水压对沥青混凝土的影响

研究了沥青混凝土路面水损害，通过对超孔隙水压的分析和疲劳试验研究，探讨了空隙水对路面结构的破坏形式和疲劳寿命的影响，超孔隙水压的有限元计算表明，在车载作用下将产生较高的孔隙水压力，对沥青面层形成冲刷，最终可能导致各种路面水损害；超孔隙水压对沥青混凝土的影响实验和分析证实，超孔隙水压改变沥青混凝土的破坏形式，在无水状态下疲劳破坏的形式为劈裂状。而在有水状态疲劳破坏的形式则主要表现为剪切破坏，有水状态的抗疲劳强度较无水状态的抗疲劳强度低；同回归分析，得到了沥青混凝土在有水状态和无水状态下的抗疲劳寿命估计方程，而且与实验有很好的吻合；进一步证实了沥青路面在车载下的超孔隙水压是引起早期水损坏的重要因素。     

基于细胞神经网络的楼面裂痕诊断研究

为了更好地监测楼面裂痕,提出了一种改进细胞神经网络楼面裂痕图像识别方法.该方法通过一定的图像处理,建立裂痕网络和细节网络,同时增加了裂痕相似网络模型,避免了仅对裂痕特征提取信息不能准确识别裂痕的问题.实验证明,改进的裂痕识别算法实现简单,识别楼面裂痕准确率高,达到了实时识别技术的要求.     

一种多模特征融合的方面信息情感分类方法

在方面信息情感分类中针对使用循环神经网络编码长距离文本的信息丢失问题,以及使用注意力机制提取情感信息时倾向于关注高频信息偏置问题,提出一种多模特征融合的方面信息情感分类方法,区分单点、多点以及局部三类不同表达模式的情感信息,通过对三类情感信息有侧重的关注、提取与融合,实现各类特征间相互确认与纠错,降低信息丢失与关注偏置问题,达到增强复杂情感表达模式下的方面信息情感分类能力的目的。实验结果表明,使用所提出的方法对三类情感信息进行提取与融合,可以使方面信息情感分类任务在准确率和F1值指标上得到进一步提升。     

水泥混凝土路面养护方法的探讨

认为水泥混凝土路面为刚性路面,在养护良好的条件下,使用年限比其他路面长,但一旦开始破坏,破损会迅速发展.因此,必须做好预防性、经常性养护,以保持路面状况完好.并就水泥混凝土路面养护工作中应采取的适当措施作了探讨.     

基于功率谱小波分解的神经网络钻头磨损监测

在钻削过程中,钻削力功率谱与钻头磨损之间具有较强的相关性,被广泛用于钻头磨损监测,但是关于功率谱特征的提取和识别一直没有很好解决.文中采用小波变换对功率谱进行多层分解,提取低频分解系数作为功率谱的包络信息,从而实现对功率谱特征的提取和压缩,并利用BP神经网络对功率谱小波低频分解系数进行融合,实现钻削过程钻头磨损状态的智能识别.试验结果表明:该方法可有效实现功率谱特征提取,经训练的神经网络具有较高的识别精度和推广能力.     

带有两个时滞的不确定神经网络的渐近稳定性分析

研究一类具有两个时滞和不确定性神经网络的全局渐近稳定性问题,通过构造新的Lyapunov函数,运用线性矩阵不等式理论将T-S模糊模型扩展到带有两个时滞的含有不确定项模糊神经网络,并给出系统稳定的充分条件。仿真实例验证了结论的有效性。     

仿射医学图像融合算法

提出了一种仿射医学图像融合方法。以医学图像的象素灰度信息为融合依据,首先根据参考图像的象素值对参考图像进行划分;然后根据该划分对浮动图像进行划分,并假设被划分在同一组中的象素有相似的灰度值;最后迭代地对浮动图像进行仿射变换使得浮动图像中的被划分在同一组中的各个象素间的标准方差最小,实现融合图像象素之间的匹配。由于算法充分利用图像的全部象素的灰度信息,不需对图象进行滤噪等预处理,从而提高算法的精度;该方法采用仿射变换,因而不仅可纠正刚体形变而且可纠正放缩形变,适用于单模及模板融合。     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.     

基于神经网络自适应观测器的鲁棒故障检测

提出一种基于动态神经网络的不确定非线性系统鲁棒故障检测方法,该方法通过构造神经网络自适应观测器来获取反映系统故障的残差信息以进行快速的故障检测,并采用Lyapunov稳定理论证明了闭环误差系统的一致最终有界稳定性.针对某型飞机舵面故障的仿真验证了本文方法的有效性.     

基于AdaBoost.M2-NN的变压器故障诊断

组合分类器的经典算法AdaBoost即自适应Boosting算法是提高预测学习系统预测能力的有效工具.针对传统BP（Back Propagation,BP）神经网络在变压器故障诊断时存在不稳定和网络易陷于极小值等缺点,将AdaBoost扩展算法AdaBoost.M2与BP神经网络结合,形成基于Ada-Boost.M2-NN（AdaBoost.M2Neural Network）的变压器故障诊断模型.利用AdaBoost的集成提升作用,在一定程度上弥补了BP算法的不足.仿真结果表明：该模型不仅能将单个BP神经网络无法识别的样本类别识别出来,而且还能整体上相比BP神经网络和传统三比值法将识别率提高11.5%,说明其具有可行性.