基于有限元-神经网络-Monte-Carlo的结构可靠度计算方法

针对以往结构可靠度计算方法的不足,根据结构可靠度理论,引入神经网络理论和Monte-Carlo理论,结合结构有限元分析方法,提出基于有限元-神经网络-Monte-Carlo的结构可靠度计算方法;首先,建立结构有限元法分析模型,进行结构分析得到相应的结构响应量;然后,用得到的作用效应和结构响应量作为神经网络的训练样本和检验样本对神经网络进行训练,得到高度非线性映射关系的结构作用效应-结构响应模型;利用神经网络随机产生足够多的结构响应值;最后,用Monte-Carlo法计算结构的可靠度。该方法充分发挥了各方法的优点,相互弥补了不足,大大提高了计算效率,为结构可靠度计算提供了新的思路。     

大跨旧桥极限承载力的可靠度分析

基于桥梁的极限承载力理论,首先建立某桥梁结构的有限元模型,并对荷载作用下的各个反应量如最大挠度、应力和弯矩等进行参数灵敏度分析;其次确定了结构极限承栽力的统计参数,建立基于极限承载力荷载效应的极限状态方程,并采用传统的结构可靠度理论计算出了结构的体系可靠度.算例表明,利用该方法来获得结构体系的可靠度具有准确、简便、实用...     

用区间有限元计算桥梁结构荷载组合效应

不确定的桥梁结构荷载 ,可以用上、下限的区间来表示 ,用区间有限元 (FEM)方法可以求得结构位移和内力响应的包络界限 .用线弹性梁单元对实际桥梁结构进行离散化 ,并用确定的区间值表示不确定的荷载向量 ,根据区间代数原理和线性有限元程序求解响应量的界限 ,从而得到结构响应量不确定性的界限 .用该方法计算桥梁结构设计中的荷载工况组合效应 ,算例表明该方法具有使用简便、计算量小的特点 ,适合实际桥梁结构设计的荷载组合计算     

用区间有限元计算桥梁结构荷载组合效应

不确定的桥梁结构荷载,可以用上,下限的区间来表示,用区间有限元（FFM）方法可以求得结构位移和内力响应的包络界限,用线弹性梁单元对实际桥梁结构进行离散化,并用确定的区间值表示不确定的荷载向量,根据区间代数原理和线性有限元程序求解响应量的界限,从而得到结构响应量不确定的界限,用该方法计算桥梁结构设计中的荷载工况组合效应,算例表明该方法具有使用简便,计算量小的特点,适合实际桥梁结构设计的荷载组合计算。     

基于响应面法的转向架构架结构强度分析

为了快速准确地评估转向架构架的结构强度,将响应面法和可靠性理论相结合对其进行结构强度分析.运用APDL语言建立转向架构架的参数化模型,并根据标准计算其结构强度.考虑试验设计方法对构架响应面函数精度的影响,分别采用中心组合设计、Box-Behnken设计和三水平全因子设计三种试验设计方法对其进行样本点的选取.利用最小二乘法对试验数据进行拟合,建立构架的多项式响应面函数.基于响应面函数,采用Monte-Carlo方法和应力-强度干涉理论对构架进行结构强度的可靠性分析.研究结果表明:试验设计方法的不同对响应面函数精度的影响较大,通过中心组合设计拟合的响应面函数精度较低,三水平全因子设计相比Box-Behnken设计在拟合精度相似的条件下,计算量较大.三种试验设计方法下,转向架构架的结构可靠度分别为0.97,1和1,表明了响应面函数的精度对准确评估构架的可靠性具有重要作用,同时为准确评估构架的结构强度提供了理论指导.     

框架可靠度计算的新方法

基于随机有限元的梯度优化算法引入拥有随机参数的框架可靠度分析.并编制计算程序与精确解Monte-Carlo法的计算结果进行了对比,证明该文方法用于框架结构可靠度分析是可行、可靠的,既避免了Monte-Carlo法计算量过大的缺点,又比传统的定值分析方法更合理,更贴近实际.     

框架可靠度计算的新方法

基于随机有限元的梯度优化算法引入拥有随机参数的框架可靠度分析.并编制计算程序与精确解Monte-Carlo法的计算结果进行了对比,证明该文方法用于框架结构可靠度分析是可行、可靠的,既避免了Monte-Carlo法计算量过大的缺点,又比传统的定值分析方法更合理,更贴近实际.     

模糊神经网络在钢筋混凝土桥梁结构可靠度分析中的应用

钢筋混凝土桥梁结构可靠度分析中存在着模糊性问题,计算结构可靠度的传统方法没有考虑结构的模糊性问题．将模糊神经网络用于钢筋混凝土桥梁结构的可靠度计算,用神经网络来构造模糊系统,实现输入、输出隶属函数的自动调整,并给出了模糊神经网络计算结构可靠度的步骤．最后通过两个算例来计算结构可靠度,计算结果表明,模糊神经网络法计算结果与JC法计算结果比较接近,该方法可以用于桥梁结构的可靠度计算,特别是可用于功能函数不能显示表达的可靠度计算．该方法的缺点是计算用时稍长以及训练、检验样本的来源存在问题．     

随机地震激励下高墩桥梁碰撞可靠度分析

为了研究不同地震动强度作用下高墩桥梁的碰撞可靠度的不同,在频域范围内提出了一种以虚拟激励法为基础的动力可靠度计算方法,依托某高墩大跨度桥梁为工程背景,分析了高墩桥梁在不同地震强度下的碰撞可靠度.选择反应谱的水平加速度作为地震强度衡量指标,且将不同强度指标的反应谱转化为相应的功率谱;利用虚拟激励法求解随机振动方程,得到结构响应的均值与均方差值,再基于Davenport理论获得结构峰值响应的期望和标准差;根据首次超越理论计算梁体碰撞可靠度.研究表明:地震动加速度小于0.22g时,梁体之间不发生碰撞,动力可靠度为1.0;加速度大于0.22g时,梁体碰撞动力可靠度下降明显,即在强震作用下,梁体发生碰撞.      

基于响应面法的连续刚构桥梁体系可靠度分析

为了解决分析桥梁结构可靠度时功能函数不存在显式的问题,在现有响应面法的基础上,提出了改进的响应面法;利用有限元软件,对某高墩大跨连续刚构进行了受力分析;选取压应力、拉应力和稳定性失效3类失效模式,在改进的响应面法基础上,利用编程软件MATLAB,实现连续刚构桥梁体系可靠度的计算.算例分析表明,该方法迭代次数少,效率较高,可实现连续刚构桥功能函数重构和体系可靠度计算.     

RBF网络在逼近能力方面的探讨

介绍了人工神经网络的一个重要的模型径向基函数网络．并且在函数逼近方面对比BP网络对其进行了研究，给出了实际的例子．最后应用Matlab进行了仿真。     

基于人工神经网络预测的汽车安全气囊系统点火控制算法研究

对安全气囊点火时刻的准确控制是气囊系统起到保护乘员作用的关键技术.点火控制算法是实现气囊适时准确点火的手段.本文提出了一种基于人工神经网络的汽车安全气囊点火控制算法.算法构造了一个三层人工神经网络,利用碰撞发生时的减速度信号和乘员重量为输入信号,其输出信号为乘员的头部位移,作为气囊触发的一个依据.     

动态交通流量预测方法研究

随着智能运输系统的广泛应用,实时交通流量预测的重要性也日益显著。本文介绍了预测模型发展过程中比较重要的几个模型,并由此引出人工神经网络。介绍误差逆传播(BP)模型的相关理论。指出传统BP神经网络的缺陷,并提出提高预测精度的措施引进高阶神经网络。建立普通BP神经网络的预测模型,利用误差反传播算法实现这些影响因素到输出变量的复杂映射,再用高阶神经网络构建另一预测模型。利用交叉口实测数据进行预测,并用实际数据进行比较验证。     

浅析可靠性理论在沥青路面结构设计中的应用

在路面结构设计中，综合考虑材料性质、路面结构的不均匀性可使设计更加符合实际工程的要求。因此，基于结构可靠性理论，以沥青路面的可靠性分析为例，并结合蒙特卡罗法能有效说明可靠度的计算是路面结构可靠性研究的重要组成部分，也是确保道路整体使用性能的关键之一。     

基于ANN-MC的钢筋混凝土桥墩截面能力概率特征统计方法

在传统概率分析方法的基础上,引入神经网络-蒙特卡罗技术,提出了基于神经网络-蒙特卡罗法的钢筋混凝土截面能力概率分析方法.以桥墩的截面尺寸、箍筋间距、钢筋屈服强度、钢筋的弹性模量、混凝土抗压强度以及混凝土弹性模量作为随机变量.每个变量取7个水平进行正交设计,组合成49个工况进行截面能力分析,并以此作为样本建立神经网络.应用蒙特卡罗法产生大量随机参数,并输入到网络进行仿真,再对仿真结果进行数理统计得到相应的截面能力概率特性.实例验证表明,该方法提高了钢筋混凝土桥墩截面能力概率分析的效率.     

基于RBF神经网络设计的桥梁结构损伤识别方法研究

首先根据桥梁结构的动力特性分析,构造了用于结构损伤识别的损伤标示量,并从理论上分析了该参数用于结构损伤识别的可行性.然后,从径向基函数(RBF)神经网络结构、网络设计和网络训练算法等方面论述了RBF神经网络理论,着重说明RBF网络的调用及径向基函数中心和宽度的确定步骤.最后,以一座装配式预应力钢筋混凝土系杆拱桥为工程实例,通过改变构件的弹性模量降低单元刚度来模拟结构损伤程度,并以任意三组向量对网络进行测试,说明了基于频率参数和RBF网络方法的结构损伤识别的可行性和准确性.     

基于神经网络的公交车辆行程时间预测模型研究

城市公交丰辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种不同输入变量方案的神经网络预测模型,表明该模型具有良好的适用性。此外,将该方法与卡尔曼滤波法的行程时间预测模型进行比较,结果表明,基于神经网络的动态行程时间预测模型精确度较高。     

高速公路交通事件自动检测系统与算法设计

据估计发达国家高速公路中60％～70％的延误是由交通事件引起的,而交通事件的早期检测与及早分流可以使由其引起的延误大幅度降低。自20世纪60年代开始的交通事件自动检测(AID)系统的目标一直是协助交通管理部门处理交通事件。尽管已开发并投入使用了多个AID系统,但是居高不下的误警率(FAR)和令人失望的检测效果,让一些交通管理者不得不放弃它的使用。为了提高AID系统的可靠性和实用性,提出了一种具有三级报警制度的高速公路交通事件自动检测系统框架,并以人工神经网络技术为依托,设计了基于单个检测设施的AID算法。模拟计算表明,基于单个路段交通流参数标定的模型可以应用于其它路段交通事件的检测。在检测率(DR)、误警率(FAR)和平均检测时间(MTTD)方面都优于目标方法,而且由于每个检测器站只需安装一个检测器,也降低了高速公路事件管理系统的建设成本。     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.