基于广义柔度矩阵的结构损伤识别方法

提出一种基于广义柔度矩阵的结构损伤识别方法. 以悬臂梁结构为例, 比较了柔度灵敏度方法和广义柔度灵敏度方法的损伤识别效果. 结果表明, 广义柔度灵敏度方法能更准确地识别损伤位置和程度.     

基于柔度矩阵的结构损伤识别方法

由于实际工程应用中高阶模态振型及频率较难测量,而柔度矩阵可以从低阶模态参数较精确获得,本文探讨了用柔度法对结构损伤进行识别与定位。通过对一简支梁的损伤数值模拟,采用低阶模态参数构建的柔度损伤标识量来进行损伤识别,计算结果表明:采用结构的柔度曲率对梁的损伤位置识别,既对损伤反应较敏感又可避免使用损伤前结构的模态参数;柔度曲率差值对结构损伤识别有较高的灵敏度,是较理想的损伤标识量。     

基于柔度差曲率的简支梁损伤识别方法

针对土木工程结构健康监测,介绍了基于模态参数的损伤识别方法,分析依据模态参数获取结构刚度和柔度的条件,说明从一些低阶模态参数就可以获得柔度矩阵的精确估计值.提出一种利用柔度差曲率进行损伤定位与定量的新方法,通过对简支梁在不同损伤情况下的数值模拟验证了该方法的有效性,结果显示该法简单易行,具有一定的工程适用性.     

一个新的拟牛顿信赖域算法

提出了一种新的修正拟牛顿信赖域算法.算法同时利用函数值信息和梯度信息构造信赖域子问题,既可保持信赖域子问题海森矩阵的正定性,又能改善算法的数值执行.在一定假设的条件下,证明了算法的全局收敛性,并通过数值实验表明了提出算法的有效性.     

基于齐次模型的信赖域算法

提出一种基于齐次模型的信赖域算法，传统的基于二次模型的信赖域算法只是它的一个特例。由于该模型比二次模型更近似目标函数，故新算法优于传统的信赖域算法。     

结构损伤识别的柔度灵敏度方法

 提出了结构损伤识别的柔度灵敏度方法。首先根据Neumann级数展开来推导结构柔度矩阵关于单元刚度损伤参数的灵敏度公式,以此为基础建立结构的损伤识别方程,通过矩阵拉直运算将矩阵方程转化为线性方程组来求解各单元损伤参数。指出了柔度矩阵灵敏度方法优于特征对灵敏度方法的几个显著特点。最后用一个桁架结构模型对所提方法作了验证。     

一类基于非单调信赖域技术的信赖域修正算法

基于传统信赖域算法,为了解决约束最优化问题,利用非单调信赖域技术调整信赖域半径,矫正罚参数,提出了一种信赖域的修正算法,给出了收敛性证明.数值实验表明了算法的有效性.     

一个自动确定信赖域半径的锥模型信赖域方法

自适应信赖域算法由于利用了对算法有重大影响的有关当前迭代点的信息,提高了算法的效率,因此对于无约束最优化问题提出一个锥模型自适应信赖域算法.算法中信赖域半径采用新的自适应修正策略.算法在每步迭代中以R-函数变化的速率、水平向量信息以及当前迭代点的一阶导数信息来修正信赖域半径的大小,使得信赖域半径的修正依据于问题本身,克服传统信赖域算法中没有利用当前迭代点的信息修正信赖域半径的缺点.在一定的条件下简洁地给出了算法的全局收敛性分析.算法丰富了已有的自适应信赖域算法.     

无约束优化的信赖域算法

提出了一种无约束优化问题的信赖域算法。根据原优化问题的二次近似模型,运用拟牛顿方向与最速下降方向之凸组合作为搜索方向,采用了新的策略。进行了收敛性分析,得到整体收敛及局部二次收敛性结果,并给出了算法的执行过程及算例。     

修正二次插值模型算法中信赖域半径有界性的证明

本文首先给出了修正二次插值模型算法,之后对算法中信赖域半径的有界性做了证明。     

基于信赖域子问题的共轭梯度法

对于求解无约束优化问题,利用重新开始的三项共轭梯度法与信赖域方法结合,并引入非单调技术,当迭代不成功时,改进后的算法保留一些有用信息,提高了算法的有效性。在适当的条件下,给出了新算法的全局收敛性,数值试验结果表明新算法是有效的。     

基于PSO的结构损伤检测应用研究

建筑结构损伤前后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,构造了BP神经网络的输入参数.针对BP梯度下降算法导致的收敛速度慢和易陷入局部最小的缺点,引入粒子群演化(PSO)算法来优化神经网络各层间的连接权值.首先通过有限元法提取结构固有频率的变化,结合PSO对神经网络进行训练,然后分别对结构的损伤位置和损伤程度进行识别.计算分析结果表明,PSO的引入,相较于单纯的BP算法,该方法在结构损伤检测中取得更优的识别效果.     

一种基于锥模型的非单调拟牛顿信赖域方法

将非单调技术与锥模型拟牛顿信赖域方法相结合,提出了一种基于锥模型的非单调拟牛顿信赖域方法。讨论了锥模型信赖域子问题中参数γk在不同情况下的选取,证明了利用所构造的参数γk,在一定条件下,尤其是当目标函数值非单调时,校正公式中Bk+1仍保持正定性。数值实验表明算法是有效的。     

WEB日志中基于KNN算法的注入式攻击行为检测方法研究

阐述了注入式攻击及KNN算法的相关概念并探讨了注入式攻击行为检测与文本分类技术的关系.结合KNN算法的优点及注入式攻击行为检测与文本分类的相似性,提出了Web日志中基于KNN算法的注入式攻击检测方法,给出了其计算模型,并进行了检测对此.结果表明,该方法具有良好的检测准确度.     

基于简单二次函数模型的非单调自适应信赖域算法

基于简单二次函数模型,结合非单调技术和自适应技术,建立了一个求解无约束最优化问题的非单调自适应信赖域算法,并在适当的条件下,证明了算法的全局收敛性和超线性收敛性.理论分析算法是有效的,适合求解大规模问题.     

基于锥模型的非单调自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,建立了一个求解无约束最优化问题的非单调自适应信赖域算法.当试探步不被接受时,采用非单调线搜索,减少了计算量.充分利用包含当前迭代点信息的新的自适应策略调节信赖域半径.在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性.数值试验表明该算法是有效的.     

一个新的BFGS信赖域算法

给出能够保持校正矩阵是正定的新的BFGS信赖域算法,以及该算法的全局收敛性和其二次收敛速度．     

基于非单调技术的ODE型算法

将非单调技术与信赖域ODE算法相结合,提出了一种求解无约束优化的新算法,从而减少了迭代次数以及信赖域子问题的计算次数.并给出在一定条件下算法的整体收敛性,数值试验表明算法有效.     

基于图像检测的轨距检测算法研究

为实现实时在线轨距测量,建立车载轨距机器视觉检测系统,对该系统所采用的去噪前置处理、精确阈值分割处理和距离变换等算法进行研究.介绍系统的工作原理与构成,并在分析传统光带中心线提取算法的基础上提出基于PNDT的快速轨道轮廓中心线提取方法;采用强对比度拉伸和指数变换的方法进行图像增强,并结合高斯平滑与动态ROI对图像进行快速去噪前置处理;对图像进行精确阈值分割处理,采用距离变换的方法得到轨道轮廓中心线并准确定位轨距测量点.实验结果表明:该系统检测精度满足-1mm~+1mm,实验室测试的合成不确定度最大为0.52mm,图像帧处理时间为14.35ms.轨距机器视觉检测系统可满足实时在线轨距检测对系统检测速度和精度的要求.