斜拉桥损伤识别的径向基函数(RBF)神经网络设计

在文~［１］中用径向基函数神经网络讨论了梁格形式的桥梁构件损伤识别,文~［１］对文~［２］做了改进,识别效果大大改善。本文尝试用径向基函数神经网络对斜拉桥构件损伤进行识别,验证指标函数及径向基网络的设计参数。     

小波变换在滚动轴承故障信号分析中的应用

通过使用快速傅立叶变换对滚动轴承正常运转时和滚动轴承内圈滚道有裂纹缺陷时的信号进行处理,发现快速傅立叶变换的频谱结果对滚动轴承的故障特征提取不理想,故采用小波变换对故障信号进行分解,随后对分级的细节信号和近似信号进行Hilbert包络频谱处理。结果发现,轴承故障信号在bior2.4小波分解后得到的a3近似信号的Hilbert包络谱中故障特征较明显,而其余的细节信号和近似信号则几乎难以识别相应的故障频率特征。     

基于径向基函数神经网络模型的砂土液化概率判别方法

以国内外25次大地震中的344组场地液化实测资料为基础,通过径向基函数神经网络模型的训练和检验,分析了修正标准贯入击数N1与饱和砂土抗液化强度之间的非线性关系,建立了饱和砂土液化极限状态曲线或抗液化强度临界曲线经验公式。经统计分析,给出了液化和非液化的概率密度函数以及抗液化安全系数与液化概率之间的经验公式,最后导出了具有概率意义的饱和砂土抗液化强度经验公式。当液化概率水平为50%时,即等价于传统的确定性砂土液化判别,该方法预测液化和非液化的可靠性分别为90.4%和81.2%,具有较高的可靠性。本文提出的砂土液化概率判别方法,使工程场地的砂土液化概率判别如同确定性砂土液化判别一样简单、方便,从而使砂土液化概率判别方法用于工程实践和纳入有关规范成为可能。     

基于径向基函数神经网络的高层建筑结构选型

提出了应用径向基函数神经网络进行高层结构体系的选型,它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点.研究表明,径向基函数神经网络运算速度较普通BP算法快103～104倍,并且精度高,可以高效、高质地进行高层建筑结构的选型.     

基于径向基神经网络的变压器故障诊断方法研究

为解决变压器故障诊断难以智能判别问题,提出了一种基于径向基神经网络的变压器故障诊断方法。该方法采用气相色谱检测法,选用高斯函数作为径向基函数,并运用K-means聚类方法求解隐含层节点数据中心初始值,运用伪逆法求解隐含层到输出层权值初始值,运用最小均方误差方法随迭代计算不断自适应更新各个基函数的数据中心及方差、隐含层到输出层权值。仿真结果表明,该方法变压器平均故障诊断准确率为95.6%,并具有较强的容错能力,满足变压器故障诊断要求。     

径向基函数神经网络在桥梁结构损伤识别中的应用

鉴于新旧桥梁在日常运营中缺乏连续、实时的损伤情况分析,基于桥梁结构损伤识别与机器学习中的径向基函数理论,提出了2种损伤识别方法.一是分步识别法,运用频率的变式识别损伤位置,曲率、频率组合输入识别损伤程度,得到了88％以上的位置识别正确率与92％以上的程度识别正确率,适用于对准确率要求较高的结构损伤识别.二是综合识别法,...     

基于RBF神经网络的塔式起重机安全状态模式识别

分析了径向基函数（RBF）神经网络的分类能力,提出了一种基于RBF网络的塔式超重机安全状态模式识别方法,在塔式起重机安全状态模糊综合评判的基础上,用塔式超重机状态参数及相应评判结果作为训练样率对,应用RBF网络构建了塔式起重机状态参数与整机安全状态类别之间的映射关系,给出了应用实例,并与BP网络进行了比较,结果表明该方法可行有效。     

基于RBF神经网络的高校财务风险识别

为实现高校财务风险的实时监测及预警,文章在遵循全面性、科学性、可操作性等原则的基础上,建立了高校财务风险识别指标体系,并采用RBF神经网络构建了高校财务风险识别模型,最后用实例验证了该模型用于高校财务风险识别的可行性。     

基于径向基函数与正交试验的高层住宅被动式节能设计多元因素分析

节能设计目标和建筑性能要求的不断提升,给节能设计提出了更高要求。影响节能设计的多元因素非线性关系无疑增加了进一步挖掘节能设计潜力的难度。针对高层住宅被动式设计优化问题,引入径向基函数(RBF)神经网络和正交试验设计极差法,探讨了高层住宅节能50%、65%、75%不同目标下的被动式设计因素对能耗的影响关系。通过建立性能分析模型,选取外墙、外窗、屋顶、楼板、内墙、窗墙比、建筑朝向和建筑层数等因素,采用径向基函数(RBF)神经网络建立采暖制冷能耗快速反应模型,并通过正交试验设计极差法,探讨不同节能目标下,影响因素对采暖制冷等能耗状况的影响关系以及优先度排序。试验表明:65%和75%的节能目标使高层住宅外墙和外窗的节能影响更为突出;节能目标的提高,改变了被动式因素的影响排序;从50%到75%节能要求的提升使得被动式因素对节能率的影响从3%降低为0.5%。     

神经网络应用于工程机械故障诊断的研究

神经网络的数学算法可将样本的输入输出转变为非线性优化算法。工程机械由若干系统组成,其神经网络的故障诊断器由相应的故障分类器构成,利用判决规则进行故障判断。     

向心球轴承的负荷分布研究

关于滚动轴承负荷分布方面的研究有助于提高生产效益、产品质量以及保障操作者的安全,在工业生产中具有重要的意义。本文主要就向心球轴承的负荷分布展开了研究,分析了径向游隙、滚动体数目、滚动体直径对轴承负荷分布的影响,对于指导轴承相关设计、选用工作具有较大帮助。     

离散傅里叶变换在异步电机参数辨识中的应用

矢量控制系统中需要用到的参数较多,能否获得良好的调速性能往往取决于电机参数的准确性。由此,对一种采用离散傅里叶变换的参数辨识方法进行了研究。通过空间电压矢量算法实现相应的电压激励的产生,并注入电机,根据电机等效特性辨识出电机参数。为了提高定子电阻的辨识精度,利用最小二乘法对传统的直流实验进行优化。针对单相交流实验和空载实验中,检测电压和电流信号可能出现的干扰信号,利用离散傅里叶变换的方法以减少误差,实现对电机的电流幅值、电压幅值及其功率因数的测量,进而准确辨识电机定转子电阻、定转子漏感和互感。为了对辨识参数的准确性进行验证,将所辨识参数在异步电机矢量控制系统进行应用。实验结果表明:所辨识的参数具有较高的准确性。本辨识方法模型简单,易于实现,具有广阔的应用前景。     

基于径向基神经网络的燃气日负荷预测

建立了径向基神经网络预测模型,进行了实例运算。这种预测方法满足预测需要,训练速度快。     

轧制力对静压支承油膜厚度的影响

静压支承是一种广泛用于各种机械设备的新型支承结构,文章概述了静压支承原理,通过实验,讨论了静压支承的三个重要参数:承载能力,油膜厚度、供油压力,并给出了不同供油压力下轧制力与油膜厚度的关系曲线,阐述了油膜刚度与供油压力的关系。     

基于希尔伯特—黄变换的超高层建筑模态参数识别

基于改进的希尔伯特-黄变换(HHT)即结合随机减量技术(RDT)的HHT对7～9级风力作用下,超高层建筑--上海金茂大厦的加速度响应现场实测数据进行分析与处理,以识别出上海金茂大厦东西和南北方向的第1、2阶自振频率及相应的阻尼比.在识别中,为了避免结构模态的混叠现象,本文引入了巴特沃斯带通滤波器来对加速度实测数据实行滤波处理.识别结果显示:上海金茂大厦东西方向和南北方向的第1阶自振频率近似相等,但是东西方向和南北方向的第2阶自振频率相差较大;结构东西和南北方向的阻尼比皆小于结构材料的阻尼比,而且随着模态阶数的增大识别出的阻尼比标准差呈现增大的趋势.这些研究结果对未来超高层建筑的设计具有借鉴意义.同时,识别结果也表明,HHT+RDT+巴特沃斯带通滤波器方法可以有效地识别出超高层建筑的模态参数.     

基于Hilbert-Huang变换的结构损伤识别研究进展

为提高结构损伤识别方法的精确性和适用性,将Hilbert-Huang变换引入到结构损伤识别中。介绍了Hilbert-Huang变换的由来、原理和研究意义,概述了国内外基于Hilbert-Huang变换的结构损伤识别研究进展。通过分析可以看出,HilbertHuang变换用于结构损伤识别有着广阔的应用前景,论文针对进一步研究的方向提出了建议。     

基于振动信号小波变换的结构损伤识别试验研究

离散小波变换和多尺度分析对基于在线结构健康监测环境下的损伤识别有着显著的效果。以简支钢梁为模型进行了动力试验,对加速度、速度和位移信号进行离散小波变换的多尺度分析,细节系数模极大值出现的位置与结构损伤时刻相符,验证了该方法可以有效地对结构发生损伤的具体时刻进行识别。     

龙马溪组页岩的力学特性及破坏模式研究

井壁稳定性是页岩气勘探开发关键技术的核心问题之一。针对页岩井壁稳定问题,以四川盆地龙马溪组页岩为研究对象,结合实际钻井情况,开展了不同围压、加卸载模式、取芯角度、流体浸泡等一系列岩石力学实验,为页岩气的勘探和开发提供基础数据。研究表明:四川盆地龙马溪组页岩单轴抗压强度较高,脆性较强;卸载作用造成岩样破坏更加剧烈,破坏模式更加复杂;取芯方向与层理面夹角为15°时,岩样的抗压强度和内聚力最低,夹角为45°时,岩样的破坏最剧烈;流体浸泡使岩样的强度和内聚力大幅下降,岩样以剪切破坏为主,浸泡过油基钻井液的岩样的强度和内聚力损失最小;随浸泡时间的增长,岩样的内聚力和内摩擦角先快速降低后趋于平缓。     

基于因子分析和RBF神经网络的快速估算模型

针对目前投资估算方法研究中面临的指标多、样本少的难题,论文尝试引入因子分析理论,将指标做降维处理,同时结合现代的径向基函数（RBF-Radial Basis Function）理论,建立了一种新的估算模型。结合工程实例论证,结果表明该模型是有效的,并且它的估算精度比一般的RBF神经网络估算模型要好。