基于BP神经网络的轮胎花纹沟槽识别

针对传统轮胎花纹沟槽识别算法存在数据特征提取困难、数理运算步骤复杂等问题,基于BP神经网络对生成的不同沟槽类型的轮胎胎冠线数据集进行反复训练,得到BP神经网络轮胎花纹沟槽识别模型。将轮胎胎冠线数据集随机划分为训练集、验证集和测试集,通过试验验证BP神经网络识别模型对轮胎花纹沟槽的识别性能,由混淆矩阵得到模型的正确识别率为94.9%。从3、4沟槽轮胎中获取实际胎冠线样本数据测试BP神经网络识别模型的实际识别效果,6条胎冠线上的花纹沟槽数量全部识别正确。基于BP神经网络识别轮胎花纹沟槽数量具有可行性。     

基于广义正交域理论识别桥上移动载荷的方法研究

基于广义正交多项式理论,提出了一种基于广义正交域的桥上识别移动荷载的新方法,用广义正交多项式函数逼近桥梁挠度或应变,对逼近函数微分求得桥梁挠曲速度和加束这度,用最小二乘法由桥梁挠度及近似的挠曲速度和加速度识别桥梁的模态位移、模态速度和模态加速度,由梁的模态坐标方程和最小二乘法识别桥上移动荷载。数值仿真及试验考核表明本方法具有良好的识别精度和抗噪声干扰能力。     

基于模态应变能和BP神经网络的混凝土框架结构损伤识别

采用模态应变能变化率和BP神经网络的两步损伤识别方法,对钢筋混凝土框架结构进行损伤识别研究.首先,利用单元的模态应变能变化率作为结构损伤定位因子,运用通用有限元ANSYS的APDL语言编制程序,计算模态应变能变化率;然后,利用BP神经网络进行损伤程度识别.该方法将二者优点相结合,并克服了单纯利用模态应变能难以准确计算损伤程度以及单纯利用BP神经网络样本巨大的困难.数值仿真结果表明,该方法适用于框架结构的损伤识别.     

桥梁动载试验及其有限元简化模拟研究

根据移动荷载识别结果,将车辆荷载简化模拟为线性三角形荷载函数,且通过将该荷载在不同时间作用于有限元模型的各个节点来模拟车辆的移动,并将车速的变化反映在荷载到达节点的时间上,通过对一简支梁的有限元模拟分析和理论分析结果对比,验证该简化方法的有效性和稳定性.并将该方法用于一座实际连续箱梁桥的动载试验模拟,模拟计算得到的频率及不同车速跑车情况下的动挠度曲线与试验结果吻合.模拟计算可得到冲击系数随车速的变化以及动应变等更多信息,为采用动载试验数据进行桥梁评估提供了更多途径.     

桥梁结构检测与评估中若干动力学应用问题的研究

在桥梁结构检测与技术状态评估中,涉及到一些结构动力学基本概念理解和应用的问题．对结构各阶模态的位移响应与应变能的关系、结构自由衰减响应及其在桥梁结构阻尼识别中的应用、结构无阻尼固有频率与有阻尼固有频率的关系及其桥梁结构技术状态的评估、混凝土材料弹性模量动态测试方法、混凝土材料抗压强度推定的基本原理以及桥梁斜拉索／吊杆内力测试的正确运用等结构动力学应用问题进行了辨析与探讨,使其在桥梁检测、桥梁荷载试验及桥梁结构技术状态评价中能正确运用,从而获得客观、可靠的结论．     

桥上移动荷载识别问题的研究现状

桥上移动荷载的识别对桥梁的正常工作及以后的健康监测维修起着十分重要的作用,同时对桥梁设计提供了重要的设计依据.主要对桥上移动荷载识别问题的研究现状进行了综述,并对桥梁移动荷载识别方法的发展趋势进行了展望.     

基于车致振动的桥梁损伤识别

基于移动车辆引起的桥梁振动,采用模式识别的聚类分析方法对桥梁结构损伤定位及损伤程度估计进行了研究．应用车致振动理论计算不同预设损伤位置和损伤程度的桥梁结构在相同移动车辆作用下的动力响应,记录其在测试位置的响应,形成损伤模式库;将在测试位置实际测得的响应与损伤模式进行比较,并利用聚类分析的近邻法识别桥梁结构是否出现损伤、损伤位置及其程度．为直观有效地表示识别结果,分别以损伤位置和损伤程度为独立坐标轴,用等值线和响应云图的方式展示比较结果．以移动荷载匀速通过某简支梁为例,验证了该方法的有效性和鲁棒性．数佰模拟结果表明．该方法能够有效地估计桥梁结构的榀作付罟和榀作程摩．     

系杆拱桥的损伤识别与诊断研究

桥梁结构损伤识别是对既有桥梁结构进行损伤检测的重要一步.理论分析表明结构损伤前后的固有频率的变化包含了结构损伤信息.对兰州市某黄河公路大桥系杆拱结构进行了损伤数值模拟,提取其固有频率作为BP神经网络的输入参数来训练网络,对结构的损伤进行了模拟诊断分析,并在与实桥的损伤结果基础上提出了基于BP网络的系杆拱损伤诊断的方法.     

BP神经网络在桥梁焊缝收缩预测的应用研究

神经网络是一种模拟人脑结构和功能的信息处理系统，BP网络算法是目前研究最为成熟的理论．被广泛应用于非线性建模，参数识别等领域。本文运用BP神经网络，对桥梁悬拼阶段施工控制中焊接收缩变形进行网络的建立，并利用现场实测数据进行网络的训练和仿真。计算结果显示，在目前对悬拼阶段箱梁的焊接收缩变形机理的研究并不十分透彻的条件下，用神经网络进行焊缝收缩的识别是一种可行的方法.     

基于路面材料动态模量的沥青路面响应仿真分析

为研究动荷载作用下沥青路面的动态响应,确定沥青路面各层的动态模量参数,建立路面有限元模型,利用荷载步实现动荷载的加载。测试试验模型沥青面层层底的动态响应,将仿真分析结果和试验数据进行对比,验证仿真结果的正确性。研究结果表明:在动荷载作用下基层和底基层的拉应变和弯沉小于静荷载作用;荷载频率超过5 Hz后,频率对弯沉和层底拉应变的影响不大,温度和动荷载对面层层底拉应变的影响较大。     

某下承式系杆拱桥静动荷载试验研究

为评判已建成桥梁的工作性能,进行静动荷载试验是行之有效的方法之一。近年来,下承式系杆拱桥病害问题逐渐引起桥梁设计者的重视。通过对某下承式系杆拱进行静动荷载试验研究,将实验数据与理论数据与规范进行对比,结果表明该桥梁技术状况良好,结构达到设计荷载公路-Ⅱ级的承载力及刚度要求。     

大跨度桥梁施工过程中参数识别的BP神经网络方法

针对预应力混凝土大跨度桥梁的主梁参数反馈分析，改进和调整了传统的BP神经网络算法，结合斜拉桥工程实例，介绍了将BP神经网络方法应用于大跨度桥梁施工过程中的主梁物性参数的识别修正。     

基于极限学习机的交通事故严重程度预测

极限学习机是单隐层前馈神经网络,作为BP神经网络的一种改进,极限学习机克服BP神经网络需要设置大量网络训练参数,并容易产生局部最优解问题的缺隐,交通事故严重程度的预测适合用极限学习机建模预测。研究选取某城市道路交通事故数据,利用基于LM算法(Levenberg-Marquardt)的BP神经网络和极限学习机建立事故严重程度的预测模型,随机选取80%的样本作为训练集、选取20%的样本作为测试集,对测试集的期望值和网络输出值进行比较,结果表明,极限学习机的预测性能比BP神经网络的要好。     

基于改进的BP神经网络的桥梁结构损伤诊断研究

采用改进后的BP神经网络对桥梁结构进行损伤诊断,通过与传统BP网络法的诊断结果进行对比,得出改进后的BP网络算法在实际应用中能克服传统BP网络算法收敛速度慢,存在局部极小的问题.改进后BP网络的桥梁结构损伤诊断具有较好的诊断效果,与传统的BP神经网络相比,不仅提高了计算速度,而且较大地提高了识别精度,具有较好的应用前景.     

基于神经网络的斜拉索损伤识别研究

以一模型桥为背景,探讨了斜拉索损伤定位以及损伤程度确定的方法.基于ANSYS有限元模型,采用RBF网络,模拟了斜拉索的损伤情况.以不同损伤程度下自振频率和局部模态作为神经网络的训练与测试输入样本,由神经网络的输出来指示损伤位置和损伤程度,并与BP神经网络的识别效果进行比较.     

基于时程曲率差法的简支梁损伤识别

提出时程曲率这一概念,运用折减刚度法模拟简支梁的不同位置、不同程度的损伤,得到结构典型位置在匀速移动荷载作用下的时间历程动位移响应,利用结构损伤处时程位移响应曲率幅值出现突变的特点,取时程曲率差的绝对值作为结构损伤识别指标来识别结构损伤位置。相对于传统桥梁损伤识别方法,时程曲率差法可人为设置采样点,高频连续采集,不会受限于测点数量及测点布设位置的影响。     

单个移动荷载激励下桥梁最大位移响应的频域分析

为了更加有效地建立列车运营速度与桥梁最大位移响应之间的关系, 针对单个移动荷载激励下桥梁最大位移响应提出了一种频域分析方法; 采用傅里叶变换推导出单个移动荷载匀速通过梁桥时的移动荷载谱和桥梁振动位移响应谱, 通过分析移动荷载幅值谱获得了导致桥梁自由振动位移出现极值响应的移动荷载速度, 并提出了该移动荷载速度的计算公式; 以一简支梁为例, 通过与相关文献结果的对比, 验证了本文数值计算程序的正确性, 进一步基于该程序, 通过数值分析验证了频域分析方法理论推导的正确性和移动荷载速度计算公式的准确性。研究结果表明: 在频域内得到的移动荷载幅值谱与时域内得到的桥梁自由振动幅值响应规律一致, 因此, 移动荷载幅值谱能有效反映桥梁自由振动位移响应; 导致桥梁发生自由振动最大位移响应的移动荷载速度与移动荷载幅值谱最大值对应的速度相等, 且移动荷载幅值谱的其他极值点与桥梁自由振动位移响应极值点对应的移动荷载速度一致; 在自由振动阶段, 桥梁位移响应极值点对应的单个移动荷载速度仅与桥梁自振频率和跨度有关; 单个移动荷载以共振速度通过桥梁时, 桥梁发生的受迫振动与自由振动位移响应均不是最大响应, 因此, 对于高速铁路桥梁的列车运营速度, 除关注列车共振速度外, 需更加重视使桥梁产生最大位移响应的速度。      

移动载荷识别的B-样条函数逼近法

基于欧拉梁振动理论及最小二乘法，提出了利用B－样条函数逼近法识别桥上移动荷载。通过B－样条函数拟合桥梁挠度识别桥梁模态响应，由梁的模态方程和最小二乘法识别桥上移动载荷。并进行了计算机仿真，获得了令人满意的效果。该方法具有很强的实用性和抗噪声干扰能力。     

基子BP神经网络和遗传算法的桥梁损伤识别方法研究

以钟祥汉江大桥的损伤识别为例,对基于BP神经网络和遗传算法的桥梁结构损伤诊断方法进行的实例应用研究,结果表明该方法兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能.     

钢桁梁桥的损伤诊断研究

首先针对基于动力特性和人工神经网络的桥梁结构损伤诊断研究情况作了简要介绍,主要工作是将动力特性参数作为神经网络的输入数据,以改进的频率和振型动力特性组合指标参数对钢桁架简支桥梁结构进行了损伤识别,识别结果表明对钢桁架简支桥梁的损伤位置识别误差较小,对损伤程度的识别效果稍差,识别方法还需要进一步改进。