基于BP神经网络的沥青混合料级配检测研究

为了准确、简便检测沥青混合料的设计级配,基于图像处理,通过改进电子筛分方式,将集料颗粒的平面形状分为三类分别进行统计,得到沥青混合料的平面级配,然后使用BP神经网络对沥青混合料的设计级配进行检测,以不同粒径粗集料的平面级配作为输入层,以不同粒径粗集料的设计级配作为输出层,对200组归一化处理后的平面级配进行神经网络训练和测试。结果表明:改进后的电子筛分方式较直接使用等效直径法和等效椭圆短轴法检测沥青混合料级配具有更高的正确率;使用BP神经网络对设计级配进行检测,各粒径的平均正确率分别为88.1%(4.75 mm),91.2%(9.5 mm),93.8%(13.2 mm),95.1%(16 mm),100%(19 mm),平面级配与设计级配的相关性较好。该方法为沥青混合料的级配检测提供了一种新思路。     

沥青混合料低温抗裂性能及影响因素评价

为了评价沥青混合料的低温抗裂性能,选择3种沥青和3种级配,两两组合形成9种沥青混合料,采用低温线收缩系数试验和低温弯曲试验分别评价其抗收缩开裂能力和抗弯拉开裂能力.对试验结果进行双因素方差分析,结果显示,沥青和级配对低温线收缩系数均没有显著影响,温缩裂缝主要受外界温度等因素影响;沥青和级配对低温弯拉应变有显著影响,不同沥青和级配组成混合料的抗弯拉开裂能力由弱至强分别依次为:70-A基质沥青、90-A基质沥青、SBS改性沥青和SMA-13、AC-16、AC-13.     

基于BP神经网络的新疆平原地区水面蒸发量预测模型研究

利用新疆地矿局昌吉地下水均衡试验场1997-2000年非冻结期20m^2水面蒸发池的蒸发量数据，基于BP神经网络，建立新疆平原地区水面蒸发量的预测模型，结果表明：模型构建简单，误差较小，且所需资料易于获得．     

老化前后沥青与沥青混合料指标相关性分析

为分析老化前后沥青与沥青混合料指标相关性，开展了相应室内试验研究：在不同老化阶段进行沥青针入度、延度、软化点试验；在中、低温条件下，对不同老化时期AC-13沥青混合料进行半圆弯拉试验，分析混合料力学强度、弹性模量、断裂能演化规律；将老化前后沥青三大指标与沥青混合料力学指标进行相关性回归分析。试验结果表明，老化初期对混合料强度、弹性模量影响较大，且老化对弹性模量影响较为敏感；混合料对低温断裂能作用明显，中温断裂能显著高于低温断裂能；混合料老化前后的强度、弹性模量与沥青三大指标具有较高线性相关性，针入度可对中低温下混合料力学性能进行预测。     

基于弯曲试验的沥青混合料低温抗裂性研究

采用低温弯曲试验来评价沥青混合料的低温抗裂性,评价指标为破坏应变、弯拉强度、弯拉模量和应变能密度临界值,分别研究了老化、掺加粒化聚合物及不同油石比对弯曲实验结果的影响。结果表明:SBS改性沥青和软沥青抗裂性能优于其他沥青;采用应变能密度临界值评价低温抗裂性能所得出的结论与实际相符;在利用软沥青很好的低温抗裂性优势时,其高温稳定性差的缺陷可以通过掺加粒化聚合物的方式加以克服。     

沥青混合料在冻融循环作用下的弯拉特性

通过沥青混合料在冻融循环作用下的弯曲试验,分析了冻融循环次数、油石比、级配组成对混合料弯拉特性的影响。试验结果表明:随着冻融循环次数的增多,沥青混合料的弯拉强度、弯拉应变、劲度模量均呈减小趋势。油石比、级配组成对弯拉特性有明显影响,随着油石比的增大,冻融循环作用对沥青混合料弯拉特性的影响减小,AC-13混合料的弯拉特性优于其他两种级配。在青藏高原寒冷地区采用AC-13的沥青混合料、油石比为5.5%或适当增加油石比可以提高沥青混合料在冻融循环作用下的低温弯曲特性。     

基于BP神经网络的新疆平原地区水面蒸发量预测模型研究

利用新疆地矿局昌吉地下水均衡试验场1997—2000年非冻结期20 m2水面蒸发池的蒸发量数据,基于BP神经网络,建立新疆平原地区水面蒸发量的预测模型,结果表明:模型构建简单,误差较小,且所需资料易于获得.     

基于BP神经网络的两阶段疾病预测模型

为了理论解决BP神经网络在进行多目标预测中出现的识别率和可信度不高的问题,提出了一种基于DS证据理论优化的BP神经网络预测模型用于疾病预测,实验中,对心脏病数据进行处理,结果表明,在预测准确度和算法鲁棒性方面,都具有较好的效果。     

基于灰色BP神经网络的沉降预测模型应用研究

通过对灰色BP神经网络模型的分析与研究,给出了灰色BP神经网络的建模方法,建立了基于灰色BP神经网络的建筑物沉降预测模型,通过工程实例数据分别对GM(1,1)模型和灰色BP神经网络模型进行验证,得到了灰色BP神经网络的预测效果要比单纯的灰色GM(1,1)预测模型精度要高的结论,本模型为解决建筑物基础沉降预测分析提供了一种新的方法.     

老化对沥青混合料低温抗裂性能的影响研究

采用劈裂试验方法，分别对新拌、短期老化和长期老化状态下沥青混合料的低温性能进行了对比研究．试验表明，未老化的沥青混合料的低温性能不能反映和预测老化后的性能，并且在评价沥青混合料低温性能时，短期老化试验比长期老化试验更为敏感，由此说明在沥青混合料低温性能试验评价过程中充分考虑老化因素的影响是必要的．     

混杂纤维沥青混合料低温抗裂性的研究

为提高沥青混凝土的低温性能,将聚酯纤维、聚丙烯腈纤维、木质素纤维复合掺入SMA沥青混合料中做正交分析,通过劈裂试验和小梁弯曲试验,对沥青混合料低温抗裂性能进行研究.试验表明:混杂纤维沥青混合料的低温性能明显高于仅加入木质素纤维;通过极差分析和方差分析,当聚丙烯腈纤维、聚酯纤维、木质素纤维掺量分别为0.2％,0.2％,0...     

基于径向基函数的混合神经网络模型研究

随着系统复杂程度的增加，构造一个径向基函数神经网络（RBFNN）所需样本及训练时间都急剧增加，得到的复杂网络往往不能完全揭示问题的层次和结构。采用“分而治之”的思想，提出了一种基于RBF的混合网络模型，通过最短距离均匀聚类方法划分样本空间，构造合适的子样本集和子网络模型对网络进行训练，与采用正交最小二乘法的单独RBF网络在结构、训练时间、泛化能力上做了对比。结果表明其时间复杂度有显著降低，网络的泛化能力与精度比全局RBFNN有明显提高。整个网络模型具有良好的扩展性和应用前景，适合于大样本神经网络的建模和训练问题。     

剑麻纤维对高模量沥青混合料低温性能的改善

采用弯拉应变作为剑麻纤维高模量沥青混合料低温性能的评价指标,考察了剑麻纤维长度及其掺量对高模量沥青混合料低温性能的影响. 同时,对剑麻纤维高模量沥青混合料的高温性能和水稳定性进行了验证. 结果表明,在剑麻纤维掺量为0. 3%条件下,纤维长度能够明显影响弯拉应变值;其中6 mm长的剑麻纤维对高模量沥青混合料的弯拉应变值比不掺加剑麻纤维的高模量沥青混合料增幅高达123%. 在剑麻纤维长度为6 mm的条件下,弯拉应变值随着剑麻纤维掺量的增大呈现出先增大后减小的变化趋势;其中0.3%掺量的剑麻纤维对高模量沥青混合料低温性能改善效果最为突出. 此外,剑麻纤维的添加对高模量沥青混合料的高温和水稳定性能均有一定程度提升.     

Current Efficiency of Low Temperature Aluminum Electrolysis Studied by Neural Network

LowTemperatUreAluminumElectrolysis(LATE)isgenerallyacceptedtobeadevelopmenttendencyofaluminUmProductionduetOitspotentialofhighCurredEfficiency(CE),lowenergyconsUInption,longcelllifeandeasieradoptionofinertmaterialsforelectrodesandcelllining.BecauseCE...     

白炭黑改性沥青混合料低温抗裂性能研究

为了提高沥青混合料的低温抗裂性能,采用白炭黑为改性剂对沥青混合料的低温性能进行了研究.试验结果表明,白炭黑改性沥青混合料的针入度、延度和软化点等物理指标均有所改善,弯曲应变能密度和压缩应变能密度均有所提高,并得出白炭黑能显著改善沥青混合料低温抗裂性能的结论.     

高比例RAP热再生沥青混合料低温抗裂性能

目的 研究较高比例回收沥青混合料(Reclaimed Asphalt Mixture)掺量下再生沥青混合料的低温抗裂性能,为工厂热再生中提升RAP利用率提供理论依据和控制方法.方法 通过低温(-5℃,-10℃)弯曲试验对热再生沥青混合料的低温抗裂性能进行研究,分析了不同再生手段、不同RAP再生方法、新旧料不同拌和时间及不同添加剂的使用对再生沥青混合料的抗弯拉强度和梁底最大弯拉应变的影响.结果 采用新沥青再生的试件弯拉应变不满足规范要求.240 s拌和时间的再生试件具有更高的抗弯拉强度和弯拉应变;加入纤维对提高再生混合料的低温抗裂性能有显著效果,而H改性剂对提升再生混合料低温抗裂性能影响不大.结论 在高比例RAP再生过程中,应采用再生剂再生,并适当延长拌和时间;纤维可以在寒冷地区的面层再生中推广应用,H改性剂应尽量避免在上面层再生中使用.     

沥青混合料车辙进程影响因素及预估模型研究

采用汉堡车辙试验系统进行车辙试验,分析荷载作用次数、试件厚度、温度、混合料力学性能对沥青混合料车辙进程的影响,建立了以上影响因子与车辙深度的关系,并建立了沥青混合料车辙预估模型;通过AC-13、AC-16和AC-20这3种混合料、40℃、50℃、60℃3种温度下的大量室内车辙试验数据确定了模型参数。结果表明,车辙深度与荷载作用次数呈乘幂关系增加,与温度呈指数关系增长,与混合料重复加载试验力学性能参数εp/Fn呈乘幂关系,而与试件厚度关系不显著,根据建立的车辙预估模型得到的车辙预估值与实测值误差基本不超过±10%,进而通过9条路段的车辙实际调研数据对模型参数进行了修正,得到了实际路面车辙预估模型,可以为路面混合料设计提供参考。     

多元线性回归与BP神经网络预测模型对比与运用研究

对多元线性回归模型及BP神经网络模型的理论及运用方法进行研究,采用SPSS及MATLAB软件分别建立多元性回归和BP神经网络预测模型,通过农村居民纯收入预测的算例,对多元线性回p-3和BP神经网络预测模型的拟合优度、初始数据的仿真与模拟能力和新数据的预测能力进行对比,数据结果表明BP神经网络预测模型优于多元线性回归预测模型．     

沥青混合料应变-寿命疲劳方程研究

在国内外研究成果基础上,提出了合理可行的沥青混合料直接拉伸疲劳试验中试件尺寸、失效判据、控制方式、加载频率和试验温度等条件.基于不同应变水平的疲劳试验结果,分析了平均应力影响,建立了沥青混合料应变—寿命疲劳方程,可作为疲劳开裂寿命预估的依据,并提出了沥青混合料疲劳开裂拉应变的阀值和极限值.利用沥青混合料直接拉伸疲劳试验得到的应变—寿命疲劳方程能更好体现沥青混合料的疲劳特征,其疲劳开裂拉应变的阀值和极限值能充分反映沥青混合料疲劳破坏的过程.     

基于小波神经网络预测的退火炉温控制

目的 通过对退火炉炉温控制系统的设计,使得控制系统的控制性能和控制精度提高、抗干扰性增强.方法 针对被控对象一退火炉本身的非线性、大滞后性、时变性等特点,采用把小波函数引入神经网络预测模型对退火炉温进行预测,再把此预测模型与BP神经网络控制器相结合对退火炉的脉冲燃烧器进行控制,进而控制炉温.结果 由小波神经网络预测模型组成的控制系统,综合了小波分析和传统神经网络的优点,且具有不断吸收环境新信息的函数学习能力和推广能力.从仿真曲线上看,此控制方法 相比较传统控制的方法 具有收敛速度快,预测精度高的特点.结论 实现了对具有大干扰、大滞后性和不确定随机干扰因素的炉温控制系统进行精确控制,具有良好的动态和稳态性能.