基于粒子群优化支持向量机的斜拉桥主梁损伤识别研究

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机(PSO-SVM)方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群(PSO)算法寻找支持向量机(SVM)最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明:采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数的自动优化,基于PSO-SVM的损伤识别方法对斜拉桥主梁不同程度的损伤均有很高的识别率。     

民族地区高职高专院校贫困生现状调查分析——以L高等专科学校为例

由于我国各地区地理位置、经济发展状况不一样,民族地区高职高专院校学生贫困生所占的比例相对比较多。文中拟对高职高专院校贫困生在校表现做一个深入调查和分析,为民族地区高职高专院校贫困生学生思想工作提供相应的对策。     

斜拉桥结构模型试验索力测试方法研究

以某实验室独塔斜拉桥试验模型为研究对象,对斜拉桥模型试验的索力测试方法展开研究。开发了一种基于压力环传感器的索力测试系统,基于ANSYS分析平台,按照接触问题对该系统进行了仿真分析。在此基础上,在实验室模型桥上,采用测频法对该系统进行了对比验证。结果表明：该系统操作简单,性能可靠,测试精度较高,在不改变斜拉索刚度的情况下可以实现斜拉桥模型试验中斜拉索索力的实时、长期监测。