基于EI及MAC算法的连续刚构桥传感器优化布置

介绍了有效独立法(EI)和模态保证准则(MAC)的工作性能与适用范围,并结合各自优点,得到了一种新型的混合算法.将此方法运用到以龙河大桥为研究对象的连续刚构桥传感器布置上.结果表明:基于EI及MAC混合算法得到的测点截面位置有别于人为凭借经验将传感器布置在根部、边跨及中跨1/4倍数截面等位置;通过MAC值验算,连续刚构...     

开敞式TBM隧道仰拱衬砌同步施工关键技术

为实现TBM掘进与仰拱衬砌同步施工,缩短工程关键线路工期,提高隧道施工效率,设计出双通道仰拱同步衬砌台车。台车断面为非对称结构形式,以满足TBM掘进施工及其相关配套设施的布置及运行。台车采取"前斜坡段+前道岔段+4个标准段+后道岔段+后斜坡段"的布置方式,台车下方划分成多个作业面,具备仰拱混凝土浇筑准备、浇筑、养护等的功能;根据施工支洞距离长、坡度大以及TBM掘进段交通条件受限的特点,采用支洞轮式运输和主洞有轨运输的联合运输方式,保障物料运输快捷有序;台车前后采用升降坡轨道搭接装置,实现TBM配套标准轨道竖向搭接的平顺过渡。工程实践表明:仰拱同步衬砌台车应用效果较好,施工进度最大可达到648 m/月,在不影响TBM正常掘进的前提下可有效缩短关键线路工期。     

基于桥梁健康监测测点相关性的结构安全分析

本文立足桥梁健康监测和数据挖掘理论知识,提出利用数据挖掘算法研究桥梁结构监测点间的相关性并作为评估桥梁健康状况的依据。通过缩尺模型滚动小车试验,获取各测点加速度数据,利用数据挖掘中基于夹角余弦的层次聚类方法对各测点数据进行关联性的分析,得出随着损伤程度的增加,损伤测点与其余测点关联性呈逐渐下降的趋势。由此,获得结构在营运过程中各测点的关联性演化规律,通过此规律可以进行结构的安全评估。     

基于典型相关系数法的西藏自然环境与桥梁病害相关性分析

应用多元分析中的典型相关系数法对西藏自然环境与桥梁病害的关系进行分析.计算结果表明,西藏特殊的自然环境与桥梁不同部位病害的关系很密切,所以对西藏的桥梁进行判定时,不仅要考虑外荷载的作用,也要考虑当地的实际气候环境.本文可以作为以后对西藏桥梁病害分析的依据.     

基于多周期组件时空神经网络的路网通行速度预测

针对当前路网通行速度预测方法存在的中长周期预测准确性和稳定性不足、自适应路网拓扑空间关系建模能力有待进一步提升等问题,以多尺度卷积算子及门控循环单元为核心单元,提出一种面向路网通行速度预测任务的多周期组件时空神经网络模型。首先,根据路网交通感知数据的周期特性,将其规约为周、日和近期这3种不同粒度的时间-空间-特征三维矩阵,并输入至3个共享网络结构的周期组件。其次,在每部分组件中,利用多尺度卷积核捕获多因素非线性相关性与不同空间视野大小的路网节点空间相关性。然后,对每个路网节点的时序特征使用门控循环单元提取交通数据长时依赖关系,引入残差学习框架,提高网络训练效率并防止梯度弥散。最后,自适应加权融合通过预测卷积层的每部分周期组件预测结果生成预测时段内路网交通通行速度。为验证所提方法的有效性,基于两个公开的交通状态数据集进行实验分析,并选取当前主流的深度神经网络模型作为对比基线模型。结果表明,所提方法在可接受的执行时间内,在两个数据集上平均绝对误差、平均平方误差和平均绝对百分比误差分别为 2.55、3.94 和 10.75%,1.57、3.52和3.44%,在预测准确性与中长时多步预测稳定性方面均优于其他基准方法。     

基于BP神经网络的路面使用性能预测模型

建立路面使用性能预估模型是路面管理系统的关键工作.该文结合重庆市某高速公路的养护情况,以当量轴次、路龄、每年最热月的月平均最高气温、每年最冷月的极端最低气温、每年的年降雨量、养护费用作为输入节点参数,以路面的综合评价指标(PQI)作为输出节点参数,训练BP神经网络模型,并使用训练好的模型预测路面使用性能的发展情况.     

基于大数据的桥梁监测信息聚类分析

针对桥梁健康监测获取海量数据却无法实时精确地监测评估桥梁结构状态的困难性,本文立足桥梁健康监测,提出了基于大数据理论的桥梁健康监测信息聚类研究技术的革新。实验结果表明,与传统的串行分类算法相比,基于Hadoop平台的并行聚类算法具有较高的效率和较低的时间复杂度,并通过不同测点的聚类结果进行桥梁结构状态演化的评估,取得了基于大数据理论的桥梁测点相关性技术研究的革新。     

一种动态门限群签名方案的弱点

已有的门限群签名方案几乎都存在弱点,设计性能良好的门限群签名是密码学中的一个公开问题。针对一种动态门限群签名方案详细分析了其存在的弱点,其中最主要的弱点是:部分成员可以合谋得到系统的秘密参数,从而伪造群签名。     

基于光照不变正则约束的稳健性桥梁病害识别

桥梁表观病害识别是桥梁运营养护的关键技术之一。近年来,卷积神经网络(Convolutional Neural Networks,CNN)被广泛应用于桥梁表观病害识别。然而在光照不足条件下,卷积神经网络对于桥梁表观病害识别的稳健性通常不足。针对上述问题,提出一种基于光照不变正则约束的稳健性桥梁病害识别方法。该方法利用不变正则约束,同时约束CNN的特征提取模块和分类器模块,实现光照不足条件下的不变特征学习和分类器学习,进而增强CNN模型对于桥梁病害识别的光照稳健性。运用该方法基于桥梁表观病害数据集进行实验验证。实验结果表明：所提方法在光照不足条件下的桥梁病害的平均识别准确率高于对比方法;该方法在正常光照图像和光照变化图像上提取的特征矢量的欧氏距离为7.57,较对比方法提取的特征矢量具有更高的相似度。基于光照不变正则约束的稳健性桥梁病害识别方法在光照不足条件下提取的特征具有较强的不变特性,使得模型具有较强的病害识别稳健性,具有良好的工程应用价值,能够为桥梁的运营养护提供更准确的决策支持。