BP神经网络在建筑工程估算中的应用分析

利用BP(back propagation)神经网络的基本原理建立工程估算模型,依赖专家经验获取待确定造价的工程特征,在对15个典型实际工程样本分析的基础上,利用EXCEL软件的宏命令编制BP神经网络模块,模拟从工程特征到工程造价的非线性映射关系,并将其运用于实际工程估算,精度达到建筑工程估算要求,为实际工程中对估算快速、准确的要求提供一种新方法.     

基于遗传BP神经网络的COSM图像复原算法

提出了一种基于遗传BP人工神经网络的COSM图像复原算法,利用BP神经网络的学习记忆和泛化能力,通过用一组COSM样本图像对网络进行训练,建立含有离焦模糊的模糊三维图像与清晰三维图像之间的非线性映射关系,然后利用训练好的BP神经网络对待复原的COSM图像进行复原处理,从而实现COSM图像复原.复原的三维图像无论在主观视觉还是定量分析上都取得了很好的效果.与传统的图像复原算法不同,该算法免去了解卷积等复杂的运算,不存在病态问题,可广泛应用于模糊图像的复原中并且效果较好.     

利用神经网络进行近似分析的结构优化设计

利用人工神经的高度进行和非线性映射的功能,提出了用多层BP网络描述任一弹性结构的应力、位移等量和结构设计变量之间的映射关系,建立了基于人工神经网络的结构全局近似分析方法,利用复合形优化思想对BP网络进行设计和学习,建立结构近似分析的神经网络模型,桁架算例分析表明,利用神经网络进行近拟分析的结构优化人有较高的设计精度和适应性。     

基于BP神经网络的机器人视觉控制方法

利用BP神经网络实现了基于图像的机器人视觉伺服控制器,省略了计算图像雅可比矩阵和机器人雅可比矩阵的过程,简化了控制算法的计算,训练样本和测试样本取自RBT-6T/S04S机器人实际运动,设计6个BP神经网络来实现图像空间与机器人空间的非线性映射关系,仿真结果显示神经网络控制器具有良好的定位跟踪效果,在保证精度的条件下简化了算法.将训练好的神经网络控制器用于视觉伺服系统中引导机器人到达目标物体,达到了较好的效果.     

基于改进的BP神经网络齿轮箱故障诊断方法的研究

针对BP神经网络存在局部极小值和收敛速度慢等问题,提出了一种RPROP的改进的BP神经网络.RPROP神经网络具有优良的非线性映射能力,可以很好地描述频率特征和诊断结果之间的关系.本文利用MATLAB结合齿轮箱故障建立了标准BP神经网络和本文提出的改进BP神经网络的两个故障诊断模型,并时其性能做了分析和对比.实验表明,基于改进的BP神经网络的齿轮箱故障诊断方法可以大大提高故障诊断的精确性,缩短了诊断时间.     

基于BP神经网络模型的住宅用地地价评估研究——以南昌市主城区为例

减少土地估价过程中的人为主观性对于提高土地估价的科学性和客观性具有重大意义。以南昌市主城区为研究区,选取100多个住宅用地交易案例为样本,运用BP神经网络和GIS空间分析方法,分析住宅地价及其影响因子之间的复杂关系,构建BP网络建立地价与影响因子之间非线性映射关系并进行地价预测。研究结果表明:商业因素、公共设施因素、交通因素和环境因素对住宅地价有显著的影响;用BP神经网络对地价的预测误差均控制合理范围以内,BP神经网络强大的非线性映射能力和自主网络学习,理论上可以实现对住宅地价的评估,为政府和经济主体参与经济活动提供科学的依据。     

开采地面沉陷预测的神经网络方法研究

应用神经网络理论,建立了开采地面沉陷预测的BP神经网络模型,采用开采地面沉陷实测数据对网络进行了训练,以此训练好的BP神经网络模型来描述开采地面沉陷与其影响因素之间的非线性映射关系,并采用测试样本对模型进行了测试,结果表明,网络的预测性能是令人满意的.     

基于神经网络的开关磁阻电机自适应控制

针对开关磁阻电机显著的非线性特性，将具有非线性映射能力及自适应能力的误差反向传播（BP）神经网络应用于开关磁阻电机驱动系统（SRD），并结合传统比例、积分和微分（PID）控制的优点，提出一种基于BP神经网络的开关磁阻电机在线辨识与自适应PID控制方法．该方法利用BP神经网络实时观测系统输出，优化PID控制参数，对于解决开关磁阻电机由于非线性严重而导致控制困难的问题具有较强的针对性．实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。     

基于时域积分的加速度信号处理

针对实际振动位移难以获取的问题,利用振动位移与加速度信号之间的关系,先对采样后的加速度信号采用时域数值积分,得到含有趋势项的速度信号及位移信号,再采用拟合多项式极值的方法,消除积分过程中产生的趋势项,从而得到更为精确的速度和位移信号.算例表明,利用拟合多项式极值消除趋势项的方法,得到的位移时程曲线拟合精度高.     

基于BP算法的光纤传感器非线性位移补偿研究

针对光纤位移传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用BP算法,以传感器的输出作为神经网络的输入样本.传感器的输入位移为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现位移测量的非线性补偿.实例仿真结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.     

模态叠加法计算地震加速度时程反应的几个问题

针对模态叠加法进行结构加速度时程反应分析,讨论了广义坐标积分步长、模态截断和离散位移时程求导三个问题对加速度时程反应误差的影响。并提出了振型加速度贡献系数的模态截断指标。以简谐荷载作用下单自由度体系的地震反应和三条地震波作用下的5层框架结构的地震反应为例进行数值计算。算例分析结果表明：当广义单自由度计算的离散时间步长小于1/32倍的自振周期时,加速度反应的误差小于5%；对于加速度时程反应而言,基于振型参与质量选取的模态数偏少,应基于振型加速度贡献系数作为模态截断的依据；由离散位移时程经中心差分法所得加速度的误差与直接由模态叠加法所得的基本相同,而FFT方法所得加速度时程存在虚假的高频振动而误差较大,采用低通滤波可有效降低误差。     

地震作用对钢桁梁桥车桥系统耦合振动的影响分析

为了研究地震对车桥系统耦合振动的影响,采用最小二乘法对地震加速度进行校正拟合,消除位移时程因直接对加速度时程积分出现的漂移现象。根据弹性系统动力学总势能不变值原理及形成矩阵的对号入座法则,将轨道不平顺作为系统的自激激励源,地震作为外部激励,建立考虑地震作用的车桥系统耦合振动方程。并以某钢桁梁桥为例,采用计算机模拟的方法,建立列车和桥梁动力分析的有限元模型,研究地震对车桥系统耦合振动的影响。研究结果表明:在地震作用下,桥梁的动力响应主要取决于地震力,横向地震波对车辆与桥梁的横向动力响应具有非常重要的影响;竖向地震波主要影响车桥系统的竖向振动,对横向振动影响很小;但是,竖向地震波对脱轨系数、轮重减载率、车体竖向加速度的影响较显著,因此,在评判桥上列车的运行安全性时必须考虑竖向地震波的影响。     

小波分析与神经网络在结构损伤监测中的应用

采用小波分析对获得的结构动力响应进行小波分解,根据各种响应信号对损伤的灵敏度选择损伤特征,从而识别结构出现损伤的时刻,以实现对其监控;分别对结构第一层位移响应信号和加速度响应信号做小波包分解得到各频段能量的特征向量,并分别作为特征参数输入到BP神经网络中实现损伤识别;比较了位移响应信号和加速度响应信号对损伤识别的灵敏性．模拟算例表明,小波分析和BP神经网络联合运用能准确地诊断结构损伤时刻、损伤位置和程度,具有一定的可行性．     

Huang变换在地震波信号纠偏中的应用

一种新的信号处理方法Huang变换能够提取信号的均值或趋势，而对地震加速度记录进行二次积分得到较长时间内的位移时程会“飘离”零线，据此通过Huang变换后固有模态函数分量信息重构推导Huang变换在地震波信号纠偏中的原理．为了验证其应用性，从波形、反应谱和结构位移反应进行实例比较分析，结果得出Huang变换在地震波信号纠偏中有一定的应用前景。     

地震信号的时域模拟

目前获得的地震波数据大都是以加速度时程形式给出的,直接积分获得的速度时程和位移时程往往存在着明显的基线漂移现象．简便的时域优化校正算法是一种较好的选择．提出了一种分步时域校正法．首先基于最小二乘法以三阶多项式形式来拟合加速度的非零曲线,对原始加速度时程做基线预校正处理;其次对于校正后的积分速度和位移曲线仍存在的长周期基线波动问题,将校正后的加速度曲线代入单自由度系统地震反应递归公式,从而生成地震波的速度时程和位移时程．该方法原理简单,实施方便,而且能够很好地消除速度波和位移波的漂移现象．     

采用改进神经网络PID控制的车辆悬架振动仿真研究

为了研究车辆悬架振动模型,创建了车辆悬架平面简图,并根据牛顿定律推导出车辆悬架振动微分方程式。引用BP神经网络PID控制器,对传统粒子群算法进行改进,将改进粒子群算法用于优化BP神经网络PID可知结构。通过MATLAB软件中对车辆悬架位移、速度和加速度进行仿真验证;同时,与BP神经网络PID控制器仿真结果进行比较和分析。结果表明,车辆悬架采用BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较大,车辆整体振动幅度较大;而采用改进BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较小,车辆整体振动幅度较小。采用改进神经网络PID控制车辆悬架,能够抑制路面噪声激励对车辆振动幅度的影响,提高车辆行驶的安全性。     

大坝变形监测的BP网络模型与预报研究

建立有效实用的大坝安全监测模型,对于馆控大坝运行意义重大。针对目前国内外常用统计模型、确定性模型等的不足,提出将基于误差逆传播算法的BP神经网络模型用于大坝变形监测数据的拟合分析及其预测预报研究,最后以福建水口混凝土重力坝变形监测为例,对坝顶垂直位移实测值建立了BP网络模型,并将模型用于坝顶垂直位移预报,结果表明,BP网络模型的拟合和预报精度明显优于相应的统计模型。     

轨道交通隧道基底刚度对共建结构的振动影响分析

为了探明建筑物与轨道交通隧道共建时隧道基底刚度对系统振动的影响,建立列车-轨道-隧道-土层-建筑物系统耦合振动模型,列车-轨道动力学模型和隧道-土层-建筑物有限元模型通过扣件力进行参数传递,对隧道基底土层加固为不同刚度时隧道结构以及建筑物结构振动位移、速度、加速度响应进行了时程分析、频谱分析和振级分析等.结果表明:隧道基底刚度越大,其下沉位移越小,隧道结构振动速度突变越大且振动速度的周期性越不明显,但振动位移的振幅变化与隧道基底刚度没有严格的相关性;隧道基底刚度对隧道振动加速度影响的主要频率为1~5Hz的低频部分;隧道基底刚度对于建筑物结构振动有较大影响,主要集中于低频范围,影响幅度可达10dB.     

巨型框架减振结构的脉动风模拟与风振时程分析

文章以巨型框架的一种结构方案为算例,建立了巨型框架减振结构及抗振结构的分析模型,并基于Davenport脉动风速谱模拟了脉动风的速度时程,由此研究了巨型框架减振结构脉动风振的位移、基底剪力及加速度时程反应,结果表明巨型框架减振结构能够显著降低结构的风振反应,是一种较有前途的结构形式。