共查询到20条相似文献,搜索用时 31 毫秒
1.
基于新奇检测技术的桥梁结构损伤预警方法 总被引:1,自引:0,他引:1
结构损伤预警是实现损伤检测策略的第一步,是进一步进行结构健康诊断的基础。大量的研究证明新奇检测技术可以较好地应用于结构的损伤预警。探讨了应用前馈BP网络(Feed-forward back-propagation network)实现新奇检测技术的方法。以结构的自振频率为作为网络的基本输入,对斜拉桥结构进行了损伤预警模拟研究。该方法的优点是不依赖于数值模型。对神经网络的训练仅需要健康结构的若干实测频率。模拟研究表明,该方法具有较高的实用价值。导致频率2.5%以上变化的损伤情况,均可给予预警。模拟了14种损伤情况,每种损伤考虑2种损伤程度。通过多指标策略,预警同时还在一定意义上指示损伤程度。 相似文献
2.
3.
该文运用有限元方法,对60座不同截面的桥梁模型进行有限元分析,得出了每一座连续梁模型的最大正弯矩、最大负弯矩、梁端支座附近剪力及中间墩支座附近剪力分配系数。通过多元线性回归分析,得出了每一分配系数与车道数、跨度及箱体个数等主要参数的关系,即内力分配系数经验公式,可供设计参考。 相似文献
4.
在桥梁损伤评估系统模型的基础上,提出了基于神经网络的桥梁损伤评估方法。该法通过神经网络对已有的桥梁损伤评估实例的学习,可使神经网络较好地表达评估结果与评价因素之间的关系,从而代替评估群体进行评估。这不仅可以减少评估的工作量。节约人力物力,还可以较好地利用和积累专家经验知识,降低评估过程中人为因素的影响,保证评估结果的客观性。同时,建立的评估系统具有自学习功能,可以在没有专家或缺少专家的条件下,模拟有经验的评估机理,完成对旧桥损伤的评估。实例计算表明,各网络模型花费很少的时间完成对样本的训练后,便可利用训练好的隐含层权值与阈值对实际桥梁进行评估。 相似文献
5.
随着我国公路工程建设的飞速发展,施工安全日显重要。风险量化评估是进行施工安全风险管控的重要途径,基于已有的历史风险量化评估数据进行有效地预测,在实际施工过程中有着重要的意义。针对风险量化数据时序特点,采用LSTM神经网络算法实现风险量化预测,据此开发实现一套公路工程施工安全风险量化评估和预测系统,并在实际工程中进行应用。 相似文献
6.
7.
8.
本文根据车辆对防撞墙(护栏)的侧向碰撞荷载,从对一座箱梁桥的悬臂翼缘板的强度计算而引发的桥面板配筋不足出发,提出了桥梁悬臂翼缘板设计中应注意的问题。 相似文献
9.
在对桥梁损伤评估系统模型的基础上,提出了基于DE-BP神经网络的损伤评估方法。该方法引入差异演化算法(DE算法),通过对已有的桥梁损伤评估实例对神经网络进行训练,可使神经网络较好地表达评估结果与评价因素之间的关系。在网络学习过程中充分引入DE算法,避免了BP神经网络容易陷入局部最值及收敛慢的缺点,经该方法训练好的网络可以对实际桥梁进行评估。 相似文献
10.
11.
神经网络用于损伤识别遇到的最大问题就是训练样本的组合爆炸,单纯利用神经网络进行实际工程结构的损伤诊断有很大困难。丈中提出了一种分步损伤诊断方法,即先用模态应变能判断损伤位置,然后用BP神经网络识别损伤程度,并使用该方法成功地对一座模拟损伤的两跨连续梁桥进行了损伤位置与损伤程度识别。 相似文献
12.
13.
将神经网络方法结合Matlab用于处理大跨度预应力混凝土连续梁挢施工控制中的箱粱线形控制的误差预测和调整。由于受诸多因素影响,标高的实测值与理论计算值有一定的差异,只有通过前期预测和后期调整相结合,才能保证成桥实际状态同设计要求一致。神经网络可利用实测样本的自学习达到到此目的。应用实例表明神经网络法的预测精度高,这对同类桥梁的施工控制具有一定指导意义。 相似文献
14.
据不完全统计,2020年国内电动汽车起火案例已经超过100起,用户对于电动汽车的安全性关注程度剧增.为充分辨认电动汽车的安全程度,利用神经网络算法进行车辆安全预警分析,以反向传播算法为主体,通过多参数耦合方式来预判车辆发生安全问题的概率.通过外部因素,如车辆使用环境、用户习惯等;内部因素,如锂电池的老化、析锂情况等进行神经网络的参数叠加.为提高算法的准确性,使用海鸥算法对神经网络进行优化,在原算法的基础上,进一步提高神经网络收敛到期望误差的速度,增强全局搜索能力.在算法拟合上优化程度提升了99.75%,模型算法与输出结果相吻合.采用单个车辆对模型算法进行验证,通过优化模型可以准确识别车辆发生安全风险的概率. 相似文献
15.
16.
结合神经网络技术进行了斜拉桥损伤分步识别的系统性研究,提出了具体的斜拉桥损伤分步识别过程,给出了每一识别步骤中适当的损伤识别参数.可实现斜拉桥主要构件即拉索和主梁中损伤的有效识别.采用概率神经网络确定损伤构件的类型,采用径向基函数(RBF)网络实现损伤的定位定量分析.针对润扬大桥斜拉桥的损伤模拟分析表明:将测试数据进行平均计算可以大大降低噪声对于概率神经网络识别结果的影响;噪声水平对2个径向基函数网络的损伤位置和损伤程度的识别能力方面的影响较小.采用不同的神经网络分阶段实现大跨斜拉桥的损伤识别,不仅提高了损伤识别的效率和准确性,而且增强了损伤识别方法在实际结构中应用的可行性. 相似文献
17.
18.
针对基于边缘检测算法、阈值法等传统的混凝土裂缝检测算法易受到干扰的问题,采用基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法对混凝土裂缝检测难的问题进行研究,并通过对桥梁裂缝图像真实数据集进行检测验证。检测结果表明:1)所研究的轻量化卷积神经网络模型能够实现像素级的标注;2)所研究的轻量化卷积神经网络模型训练参数相比其他文献明显减少,权重文件所占内存明显减小;3)所研究的神经网络模型能够清晰准确地划分出图像中的裂缝像素,且不受图像分辨率大小、对比度等因素影响。上述结果表明,所研究的网络模型具有在像素级准确检测裂缝的良好性能,且权重文件占用内存小,能很好地适用于工程实践。 相似文献
19.
该文基于神经网络损伤识别分析理论,以成都市清水河自锚式悬索桥为例,对将BP网络算法应用于悬索桥损伤识别的效果进行了分析研究。分析研究表明:BP神经网络不仅能对单一构件不同程度损伤进行有效识别,对两个构件的不同程度损伤也能进行一定程度的识别,并且可以同时进行损伤位置与损伤程度的识别。 相似文献