腐蚀环境下钢材表面特征及钢梁承载力研究

采用粗糙度检测仪对周期浸润加速腐蚀试验获得的Q345qC钢试件表面进行测量,研究了复合大气环境下Q345qC钢材最大局部腐蚀深度问题;进行腐蚀钢材力学性能测试,研究了大气自然暴露腐蚀和实验室加速腐蚀情况下,腐蚀对Q345qC钢材屈服强度、极限强度、以及屈强比等材料力学性能的影响;通过均匀腐蚀和局部腐蚀影响下钢梁的试验研究与数值分析,对腐蚀钢梁承载力退化规律进行研究。研究表明,复合大气环境下Q345qC钢板的最大腐蚀深度符合Gumbel分布;失重率是影响均匀腐蚀钢材材料性能和均匀腐蚀钢梁力学性能的关键因素;相同的蚀坑密度下,当点蚀损伤程度超过10%时,钢梁的极限承载力急剧下降,点蚀损伤程度影响钢梁的失效形式。     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一，为解决现有预测算法模型精度低、相对误差大的问题，本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入，通过聚类和过滤封装式特征筛选，提取最优特征集合，并基于行驶片段样本量选择预测方法，通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度，通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035，平均相对误差为1.71%，能够精确稳定地实现行驶里程预测.     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一，为解决现有预测算法模型精度低、相对误差大的问题，本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入，通过聚类和过滤封装式特征筛选，提取最优特征集合，并基于行驶片段样本量选择预测方法，通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度，通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035，平均相对误差为1.71%，能够精确稳定地实现行驶里程预测.     

基于改进灰狼算法优化BP 神经网络的短时交通流预测模型

准确的短时交通流预测是交通控制和交通诱导的依据. 提出一种基于改进灰狼算法(TGWO)优化BP 神经网络的短时交通流预测模型(TGWO-BP)，有效提高短时交通流预测精度. 针对标准灰狼算法(GWO)收敛速度慢，容易陷入局部极值的问题，提出一种自适应递减的收敛因子，使灰狼算法区分全局搜索和局部搜索；改进灰狼个体的位置更新公式，引入惯性权重，调节惯性权重大小使灰狼算法具有跳出局部极值的能力；对比分析TGWO-BP、GWOBP 、PSO-BP、BP这4 种短时交通流预测模型，结果显示，TGWO-BP的短时交通流预测模型误差为10.03%，达到较好的预测精度.     

三峡库区酸沉降引起的桥梁腐蚀效应

通过对三峡库区自然环境条件研究表明,三峡库区酸沉降频,库区的一些环境条件(尤其是湿度)对桥梁等建筑物的腐蚀效应有加速的作用,库区桥梁中钢材最容易受到腐蚀,其腐蚀可分为一般砼中钢筋的腐蚀、预应力砼中钢筋的腐蚀及其它钢铁材料的腐蚀,此外,桥梁中的砼材料也会与环境的酸性介质发生腐蚀.     

三峡库区酸沉降引起的桥梁腐蚀效应

通过对三峡库区自然环境条件研究表明,三峡库区酸沉降频,库区的一些环境条件(尤其是湿度)对桥梁等建筑物的腐蚀效应有加速的作用,库区桥梁中钢材最容易受到腐蚀,其腐蚀可分为一般砼中钢筋的腐蚀、预应力砼中钢筋的腐蚀及其它钢铁材料的腐蚀,此外,桥梁中的砼材料也会与环境的酸性介质发生腐蚀.     

多因素轨道交通客流量预测模型研究

针对传统预测模型只关注时间因素的不足,提出一种引入天气因素同时考虑日期属性的预测模型。首先通过显著性检验确定天气因素与客流量的相关程度,再采用灰色关联度分析(GRA)计算各天气因素与客流量的非线性关联度,逐步筛选关联度低的天气因素。每次筛选后利用双向长短期记忆(BiLSTM)神经网络进行预测,提出GRA-BiLSTM预测模型。结果表明:将GRA值低于0.6的天气因素作为变量会降低预测精度,逐步剔除关联度低的天气因素获得的GRA-BiLSTM相较于传统LSTM,无论工作日还是非工作日,预测误差均显著降低,同时收敛速度与鲁棒性也优于传统机器学习。     

基于灰色系统理论的高寒盐沼泽区混凝土耐久性评估

依托青海省德香高速工程, 通过混凝土室内损伤试验, 分析了冻融干湿循环和盐腐蚀耦合作用下混凝土动弹性模量的演化过程与特征; 基于灰色系统理论, 建立了不同工况下混凝土相对动弹性模量GM (1, 1) 预测模型, 预测了2种损伤条件下3种配合比混凝土耐久年限; 依据室内损伤试验与灰色系统理论GM (1, 1) 模型预测结果分析了混凝土的组分, 研究了不同掺合料对混凝土耐久性的影响。研究结果表明: 混凝土耐久性GM (1, 1) 预测模型的相对误差在6%以内, 且后验差比值小于0.35, 小概率误差大于0.95, 预测精度较高; 不同使用环境对混凝土耐久性影响差异较大, 复合盐腐蚀-养护冻融循环的影响程度较复合盐腐蚀-浸泡冻融循环提高了42.8%~46.2%;掺加了粉煤灰、硅灰与膨胀剂的配合比Ⅲ的混凝土耐久性最好, 耐久年限较基准配合比混凝土提高了50%以上, 因此, 为了保证混凝土耐久性, 在类似地区工程实践中, 可参考配合比Ⅲ进行现场混凝土配比设计; 粉煤灰与矿渣同时使用将会生成钙矾石, 相比基准配合比, 不同配合比下混凝土耐久年限降低率均在50%以上, 严重损伤混凝土耐久性。      

混凝土碳化深度预测模型研究

对混凝土在酸性环境下腐蚀后的碳化深度进行研究,建立单变量的一阶灰色预测模型GM(1,1),对混凝土的碳化深度进行预测,并用加速腐蚀试验方法对混凝土碳化深度进行验证,研究结果表明,模型预测结果与试验结果能够较好地吻合,证明这种预测方法是简便易行的,可以作为研究受腐蚀混凝土的碳化深度的一种方法。     

大跨径连续梁桥静载试验变形的快速预测技术研究

大跨径PC连续梁桥静载试验过程中的结构分析是比较耗时耗力的工作,容易出现错误。根据已有数据,利用模型树机器学习算法,开发相应程序并训练得到相应的预测模型。利用该预测模型,可以快速预测静载试验状态下的桥梁跨中下挠的理论值,预测结果可以作为"校核参考值",用于结构分析结果的校核工作。测试数据表明,该算法预测误差较小,算法本身具有很好的工程应用价值。