大跨度软岩公路隧道控制爆破技术

介绍凉风凹1#隧道进口段光面爆破的特点及爆破方案的确定,进而阐述爆破参数的选择、施工方法及工艺对控制隧道超欠挖起的作用,该工程开挖段光爆效果良好。     

基于均匀设计与神经网络的桥梁设计参数优化

为了建立桥梁设计参数与桥梁性能之间的映射关系并对桥梁设计参数进行优化,提出一种基于均匀设计与神经网络的方法;以桥梁跨中截面的挠度、全桥最大应力、混凝土用量作为优化目标;边中跨比、跨中梁高、墩顶梁高和梁底曲线次数作为主要结构设计参数进行优化。通过均匀试验设计方法得出优化设计的样本数据,通过BP神经网络训练样本数据,建立桥梁参数与桥梁性能之间的映射关系,并基于该映射计算出桥梁最优性能状态下对应的设计参数,最后完成参数优化。     

基于有限元及神经网络的土体参数反分析

针对采用试验得到的土体力学参数进行模拟计算的结果与实测数据偏差较大的问题,应用有限元与BP神经网络相结合的位移反分析方法,把计算的桩体侧向位移作为神经网络的输入,对应的土体力学参数作为网络输出,对神经网络进行训练.训练成功后,再利用现场实测的桩体侧向位移带入训练好的网络进行反分析,从而得到符合实际的土性参数值,结合某深基坑工程,通过实测值与计算值的对比验证了该方法的科学性.     

基于改进WNN分析功率曲线的S700K转辙机故障诊断

基于S700K转辙机常见故障下的功率曲线提出一种将小波变换、改进型遗传算法与神经网络相结合的故障诊断方法。用相应故障模式下的功率信号进行正交小波分解,把结果作为神经网络的输入特征向量,利用改进的遗传算法优化BP神经网络的参数,用训练好的BP神经网络进行故障诊断。研究结果表明:该方法可以有效的运用到S700K转辙机的故障诊断中,并提高转辙机故障诊断的精度与速度。     

基于小波包变换和BP网络的铁道车辆滚动轴承故障诊断方法

针对铁道车辆滚动轴承故障诊断,提出1种改进的小波包与BP神经网络相结合的故障诊断方法,并开发出基于该方法的铁道车辆滚动轴承故障诊断系统。用压电加速度传感器采集轴承试验台的模拟故障轴承振动信号,对采集到的信号先进行小波降噪,再通过小波包分解,构造特征向量,以此作为故障样本对改进的BP网络进行训练,实现智能化故障诊断。实验结果表明,基于该方法的故障诊断系统能够很好地诊断出铁道车辆滚动轴承内圈、外圈及滚动体表面出现的疲劳、剥落、磨损和裂纹等故障,具有实际工程应用价值。     

软弱夹层对隧道光面爆破效果影响机理研究

以一实际隧道为工程依托,采用ANSYS/LS-DYNA数值模拟方法,针对含软弱夹层围岩隧道光面爆破成型效果问题开展研究。根据软弱夹层与隧道光爆层的相对位置关系,对软弱夹层的空间分布形态特征进行归类和概化处理,提出一种适用于分析软弱夹层影响下光爆层爆破成型效果的概化模型;开展软弱夹层对隧道爆破成型效果影响的多工况数值计算,分别从爆炸应力波的传播及爆生气体的楔入2个方面探讨软弱夹层对隧道爆破成型效果的影响机理,推演得到不同软弱夹层赋存状态下隧道爆破成型轮廓分布图式;结合工程实际施工情况,提出软弱夹层条件下隧道超欠挖爆破控制措施并进行爆破试验验证。结果表明,推演的软弱夹层条件下爆破成型与实际吻合较好;爆破参数调整后,隧道爆破成型效果理想。     

面向高速铁路道岔的隐患分析与故障定位改进

以高铁常用S700K型交流转辙机为例,通过测试道岔动作过程中关键继电器的时序周期,探究造成交流道岔中途停转的深层次原因。提出基于动量BP(Back Propagation)算法的神经网络故障定位的改进方法,并在以往微机监测系统测试的电气参数基础上补充故障样本。对神经网络进行训练并测试,由误差比对结果可知,该方法使得高速铁路道岔智能故障定位更加精确。     

爆破粉尘捕捉吸附技术试验研究

针对露天深孔岩石爆破产生的粉尘量大且易扩散问题,研究了一种爆破粉尘捕捉吸附技术。首先基于顺义露天采石场的深孔岩石爆破工程进行爆破粉尘扩散规律试验,确定降尘方案;然后通过水雾爆破试验研究出雾效果最佳的爆破技术;最后依据2次试验研究结果进行降尘试验,分析采集的粉尘样本并对比有、无水雾降尘措施的除尘效果。试验结果表明:在露天深孔岩石爆破作业中,爆破粉尘捕捉吸附技术将降尘率提高了84%以上,降尘效果明显。     

基于BP神经网络的盾构主轴承激光熔覆形貌预测研究

本文主要围绕盾构机主轴承激光熔覆修复工艺,针对工艺参数对熔覆区域映射难以表征的问题,为实现通过工艺参数预测单道次熔覆区域形貌尺寸以进一步提高整体熔覆区域性能,提出基于BP神经网络的主轴承激光熔覆工艺形貌预测模型。首先,以42CrMo轴承钢作为基体、stellite6作为熔覆粉末材料开展3因素4水平正交试验,并以熔高、熔宽、熔深作为指标;然后,以正交试验所得指标以及工艺参数为数据基础,设计并训练BP神经网络模型;最后将预测得到的形貌尺寸与实际尺寸进行对比并求出两者之间的误差。通过分析试验结果,发现模型对于熔高、熔宽预测误差在2%以内,而对于熔深的预测效果较差。分析结果认为网络模型的权值由于数据的局限性陷入了局部最优解。     

新建京张高铁立体交叉隧道爆破振动控制研究

为研究重载铁路交叉隧道爆破振动规律及控制爆破优化措施,以新建京张高铁草帽山隧道下穿既有唐呼重载铁路北草帽山隧道交叉工程为背景,选取与交叉段岩性相近,围岩等级分别为Ⅲ、Ⅳ及Ⅴ级的洞身段爆破施工,进行爆破振速的现场实测;通过数据拟合,得到相关爆破工程参数K、α;而后通过公式反演得到不同隧道围岩级别下穿时的最大装药量及最小控爆距离;基于经验公式理论分析,提出可实践的优化三段式爆破施工方案。现场试验证实,优化后的三段式爆破方案可以有效地减小爆破施工引起的振动,有助于本隧道下穿工程安全顺利通过。     

基于灰色理论与BP神经网络的特长瓦斯隧道爆破参数优选

围岩岩体力学行为复杂多变,为避免爆破振动激发煤与瓦斯突出,获得合理的松动爆破,对特长瓦斯特大断面隧道爆破参数进行优选预测研究。基于灰色系统理论和BP神经网络,考虑围岩累积爆破损伤变形具有的动态性、瓦斯等灰色信息,选取最小抵抗线、炮孔间距、装药集中度等参数作为主要优选指标,建立基于单位化约束条件的综合集成优选模型,并对爆破振动效应下的特长瓦斯特大断面隧道的爆破参数进行优选预测。结果表明,建立的基于单位化约束条件的综合集成优选模型降低了试验中爆破参数的离散程度,当爆破参数E、W、q1的优选值分别为60、70 cm、0.12 kg/m时,基于单位化约束条件的综合集成优选模型优选预测值精度较高,隧道爆破效果较好。     

基于围岩力学参数反演的隧道结构受力分析

本文以重庆摩天岭隧道为例,采用正交数值试验,获得了神经网络的训练样本,并结合现场监控数据反演了围岩物理力学参数,最后根据反演结果对隧道结构受力进行了分析。研究结果表明:在规范规定的同种围岩级别力学参数范围内取值得到的数值模拟结果相差甚大;采用正交试验、现场监控量测与BP神经网络结合的手段反演结果较好,得到的力学参数能较好地反映隧道的实际受力状况;隧道衬砌为受压控制,支护结构处于安全状态,原设计合理。     

炭素制品X射线图像的缺陷特征选择

针对炭素制品X射线检测图像的特点,对缺陷特征提取与选择技术进行了研究。为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从原始图像中提取缺陷区域。在此基础上,从缺陷样本中提取19个特征值。为提高缺陷模式识别对各种噪声及干扰的鲁棒性,提出以特征组合分类能力数学模型为适合度函数,设计基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行模式分类。研究结果表明,所提出的选择方法可以用于缺陷的识别与分类。     

基于遗传算法优化BP神经网络的道口事故预测

针对铁路事故发生的偶然性和事故发生原因的复杂性,提出应用BP神经网络对铁路事故进行较长期预测的建议,并以美国高速公路-铁路道口事故为实例,应用BP神经网络方法和遗传算法优化的BP神经网络方法对美国高速公路—铁路道口未来3年的事故进行预测,并将预测结果进行对比,结果表明,遗传算法优化的BP神经网络可以用于铁路事故的中长期预测。     

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归—化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX-IR)神经网络方法;利用NARX-IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析.采用根均方误差和相关系数,对基于LM算法的BP(BP-LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX-BR)神经网络方法和NARX-IR神经网络方法进行性能评价.结果表明:BP-LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARXIR神经网络方法的根均方误差均小于NARX-BR神经网络方法,而相关系数则大于NARX-BR神经网络方法.由此可推断:NARX-IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系.     

高速铁路路桥过渡段地基沉降测试与预测方法研究

以津秦客运专线路桥过渡段路基沉降测试为例,利用BP神经网络方法和灰色系统法研究了路桥过渡段沉降预测问题。计算实例表明,神经网络法和灰色系统法短期沉降预测结果比较准确,简便易行,因而具有广泛的工程实用价值和应用前景。     

花岗岩地层中既有车站内爆破进洞技术

以厦门轨道交通2号线2标东渡路站~建业路站区间为背景,该区间为暗挖隧道,共有四个暗挖工作面,其中某一工作面位于既有车站结构内,左右线隧道洞口与主体结构为零距离,隧道洞身范围为高强度微风化花岗岩地层,且隧道区间两侧重要建(构)筑物较多,有老旧无基础小区紧邻隧道边,本文结合实际情况对硬岩隧道进洞可选工法进行了比选,阐述了液压式岩石分裂施工、静态爆破剂爆破、二氧化碳气爆、悬臂式隧道掘进机、钻爆法等,最终选取了采用钻爆法进洞,并制定了科学合理的爆破方案,深化了爆破设计,对爆破控制、减震措施、爆破设计参数、防护措施等均做了分析和总结,通过监测数据指导施工,在达到爆破效果的同时又不对车站结构造成任何损伤,最终成功实现了花岗岩地层中既有车站内爆破进洞。     

部分预应力混凝土梁裂缝宽度应用BP网络计算的研究

本文利用BP神经网络模型,对部分预应力混凝土矩形截面梁裂缝宽度的计算方法进行了探讨。首先,通过理论分析,找出影响预应力混凝土梁裂缝宽度的主要因素,在此基础上,建立预测预应力混凝土梁裂缝宽度的优化BP神经网络模型。然后,针对所建模型,输入一定量的实测的预应力混凝土梁裂缝宽度数据样本,进行模型参数的训练和学习,利用人工元神经网络的特点,训练好裂缝宽度计算模型。仿真计算的结果表明,应用人工元神经网络方法,进行部分预应力混凝土梁的裂缝宽度的预测计算是可行的,而且与我国现行规范公式的计算结果相比,计算精度更高。     

遗传神经网络对RPC流动度预估的研究

流动度是RPC配制的一个关键指标,它直接反映了其工作性的优劣,但其影响因素复杂,难以用统一的数值关系直接描述RPC流动度与其影响因素的量化关系,目前还没有合适的计算方法,为此,提出控制RPC流动度的数值方法,即引入遗传神经网络对RPC的流动度进行预测控制。在建立网络模型后,选取适当的参数,进行训练仿真分析。结果表明,该遗传神经网络模型是有效的,对RPC的流动度预测有较高的精度和稳定的预测结果,与单纯的BP神经网络模型相比,具有精度高、训练速度快、工作性能稳定等优点。