港区联锁块铺面的结构力学模型研究

文中建立了工程中常用的人字式铺砌的联锁块铺面的三维有限元模型,比较了三维模型与平面应变模型和轴对称模型的区别以及不同铺砌方式对联锁块铺面性能的影响。按联锁块铺面结构的主要破坏形式和结构响应,将具有众多缝隙的联锁块层等效为一均质弹性层,总结了联锁块间有初压应力条件下的联锁块层等效模量的变化规律,给出了联锁块层等效模量与接缝宽度、初压应力系数和接缝填料模量比的回归关系式,并给出了常见条件下的联锁块层等效模量值。     

联锁块铺面的有限元模型分析

通过建立联锁块铺面的平面应变、轴对称和三维实体有限元模型,分析了联锁块块间接缝参数对基层层底弯拉应力和土基顶面压应变的影响;提出了基于不同等效损伤原则的联锁块层等效模量的概念;比较了接缝与联锁块块间连续时不同有限元模型计算得到的联锁块层等效模量的差异;建立了等效模量与接缝参数的关系式;考虑了接缝与联锁块块间可脱开时联锁块层等效模量的变化,并给出了等效模量的推荐表。     

基于神经网络的悬索桥加劲梁弯矩计算方法

神经网络具有很强的非线性映射功能,文中利用BP神经网络检验了悬索桥加劲梁弯矩的计算,重点讨论了BP神经网络的拓扑结构和修正算法.通过对检验结果进行分析比较,证明此方法在加劲梁弯矩计算及检验中具有很好的实用价值.     

混凝土预制块铺面的承载力特性试验研究

混凝土预制块铺面是由单个预制块体按照一定规则拼装而成的一种特殊路面结构,被广泛应用于城市人行道、小区、公园和景区路面铺装。预制块铺面存在大量不连续接缝,使其承载力特性与传统的沥青路面和水泥路面有很大不同。从定性角度对预制块铺面承载力机理进行分析,通过室内预制块铺面的承载板试验研究接缝特性、砂垫层厚度、块体几何尺寸等对其承载力的影响,得到临界弯沉、荷载扩散系数和永久变形影响系数等预制块铺面结构极其重要的力学行为参数,对研究混凝土预制块铺面结构设计具有重要参考价值。     

基于BP神经网络的浇导混凝土融冰效果预测

为准确预测浇注式导电沥青混凝土的融冰效果,基于300组试验样本数据,以环境温度、结构层厚度及通电时间为输入层,以融冰体积为输出层,建立了BP神经网络浇注式导电沥青混凝土融冰效果预测模型,并采用Pearson相关性检验方法验证了预测模型的准确性。结果表明:不同环境条件下,BP神经网络预测模型的相对误差在2.1%以内,其相关系数R介于0.995 5~0.996 5之间,拟合优度R~2介于0.991 0~0.993 0之间,预测结果准确、可靠性强。     

BP神经网络在方形钢管砼承载力预测中的应用

本文利用人工神经网络建立了方形钢管混凝土的神经网络BP模型.对方钢管混凝土轴压短柱,选取试件长度、截面的宽度、钢管的厚度、混凝土的抗压强度及钢材的屈服强度5个影响轴压短柱极限承载力的主要因素作为输入单元,选用45组数据作为训练集,8组数据作为测试集,建立了一个3层的BP神经网络预测模型,仿真预测结果要比现有计算理论更准确.     

基于BP神经网络吹填土路基处理方式决策模型

针对吹填土路基处理技术决策中是否需要进行处理,是深层处理还是浅层处理的问题,基于BP神经网络构造了软土厚度、软土压缩模量、地表硬壳层厚度和吹填土路堤高4个参数的吹填土路基处理方式决策模型。通过BP神经网络模型进行学习、训练以及回判和预测,实现预测结果和实际处理结果基本一致。     

基于改进型BP神经网络的沥青路面大修决策模型研究

针对常规大修决策模型PQI模型的缺陷,利用改进型BP神经网络建立沥青路面大修决策模型。改进型BP神经网络是在神经网络中间层和输出层上加入特殊的偏差单元,以加快BP神经网络的收敛速度、并提高其计算精度。本文根据安徽省高速公路沥青路面的实际情况,建立了有5个输入单元和一个输出单元的神经网络,并利用历年路况检测结果和专家对路况的主观评价结果对网络进行了训练。结果表明神经网络计算结果的精度很高。     

改进的BP神经网络在港口物流量预测中的应用

针对传统BP神经网络模型收敛速度慢的缺陷,对其进行改进,以提高收敛速度。经运用厦门港物流出口量的历史数据进行检验分析,给出BP神经网络仿真计算方法,其仿真结果与实际结果比较,具有较高的可信度。证明了改进后的模型加快了收敛速度,提高预测结果的准确性。     

隔离膜厚度在砂砾式应力吸收层沥青混合料设计中的应用

利用新型沥青油膜厚度计算模型,计算了砂砾式应力吸收层沥青混合料的隔离膜厚度.与传统模型计算的结果进行了对比,验证了隔离膜厚度计算模型的合理性.分别研究了矿料间隙率、矿料合成毛体积相对密度、吸收沥青用量对隔离膜厚度计算结果的影响,最后提出了砂砾式应力吸收层沥青混合料隔离膜厚度标准.     

基于BP神经网络的柴油机排气门故障诊断

介绍了BP神经网络的结构和算法,设计了一个适用于柴油机排气门故障诊断的3层BP神经网络.将4缸柴油机排气门存在故障的状态和其正常工作状态所对应的特征向量作为BP神经网络的输入样本进行训练,建立故障诊断库,并用此故障诊断库对输入的检验数据进行自适应分类识别,从而实现故障诊断.实验表明,该方法可行、适用.     

混凝土预制块铺面接缝渗水特性试验研究

混凝土预制块铺面被广泛应用于城市人行道、小区、公园和景区路面铺装,预制块铺面存在大量不连续接缝,致使其渗水特性与传统的沥青路面和水泥路面有很大不同。针对混凝土预制块铺面接缝的渗水特性开展试验研究,研究接缝材料和接缝宽度对渗水系数的影响,实测不同类型接缝在不同时间段内的渗水量,在此基础上提出预制块铺面的设计渗水系数和渗水量计算方法。通过室内模拟降雨试验研究预制块铺面的排水特性,针对混凝土预制块用于高速公路紧急停车道提出典型的路面结构内部排水方案。     

旧水泥混凝土路面沥青加铺层结构设计

针对复合路面沥青面层结构设计,提出沥青混凝土加铺层结构设计原则,确定沥青加铺面层结构设计模式的标准,同时根据有限元力学计算结果,参考《公路水泥混凝土路面设计规范》(JTG D40-2002),推荐了沥青混凝土加铺层的合理厚度,为日后的工程应用和设计提供参考.     

空耦雷达技术在检测沥青路面厚度的探讨

本文介绍了神经网络的基本理论,提出了一种采用BP神经网络模型对空耦雷达道路检测路面厚度进行测算的新方法。并对BP神经网络模型在沥青混凝土路面厚度检测的应用进行了分析、比较,为GPR技术在道路工程检测实践中提供一种辅助判断手段。     

考虑层间接触状态的路面动力响应解析解及参数反演

为了对现有路面结构FWD检测技术的改进提供相关参考，并进一步完善路面结构质量评价体系，从轴对称动力平衡方程出发，应用Hankel-Laplace积分变换，推导了考虑路面材料横观各向同性特性和路面结构层间接触状态的路面结构力学响应解析解，结合传递矩阵法提出了一种路面结构力学响应快速计算方法，并通过与ABAQUS计算结果的对比验证了所提理论推导的正确性。在此基础上，随机生成6 728组不同竖向模量、模量比、层间滑移系数以及结构层厚度的路面结构，计算其在FWD脉冲荷载作用下的表面位移响应，并应用BP神经网络以及实数编码的多种群遗传算法反演路面结构参数。研究结果表明：对BP神经网络而言，仅土基材料参数以及各结构层竖向模量的预测结果相对较为理想，其相关系数在0.75以上；较BP神经网络的预测结果，实数编码的多种群遗传算法对竖向模量的预测精度有了较大提高，相关系数基本达到0.95以上。但无论采用何种反演方法，对模量比以及层底滑移系数的预测效果均不理想。综上所述，所提出的解析解以及计算方法具有较高的计算精度以及较好的数值稳定性，能够实现路面结构力学响应的快速计算；同时，在进行路面参数反演计算时，应考虑路面结构的层间不完全连续状态以及材料的横观各向同性；而仅依靠路表弯沉数据进行参数反演的结果并不理想，有必要对现有检测技术进行相关改进。     

小波神经网络在基于图象处理的路面破损识别中的应用

由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。     

基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

基于遗传神经网络的再生沥青混合料性能预测研究

以matlab为平台,分别应用BP神经网络和遗传算法优化的BP神经网络对再生沥青混合料的性能进行预测。以旧料掺量、油石比等8个影响因素作为输入层,以动稳定度、残留稳定度等5个性能指标作为输出层,将28组归一化处理后的试验数据进行神经网络的训练、验证和测试。结果表明:遗传算法优化的BP神经网络预测表现出更加精准的预测效果。将遗传算法优化的BP神经网络应用于工程实践中,再生沥青混合料性能预测可以大大提高试验科学性和预见性。     

基于改进神经网络的路基沉降预测

为克服路基沉降预测方法的缺陷和传统BP神经网络存在的不足,采用Levenberg-Marquardt算法改进了BP神经网络的收敛性,建立了路基沉降预测模型。结合津秦客运专线路基沉降实测数据,将该优化模型与传统的BP神经网络预测模型进行了对比,计算结果表明改进后的BP神经网络在路基沉降预测中精度最高,取得了好的效果。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。