基于RBF网络的混凝土抗压强度的预测

为了预测混凝土的抗压强度,在分析RBF神经网络原理的基础上提出了用RBF神经网络模拟抗压强度与各影响因素间关系的方法。根据搅拌机的实际工作状况,建立了4个输入节点、1个输出节点的RBF神经网络模型,通过19组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,RBF神经网络模型是一种较准确的快速预测混凝土抗压强度的方法。     

大跨桥梁混凝土专用测强曲线的研究

以某黄河公路特大桥上部连续箱梁C55混凝土结构为工程背景,在大量系统的回弹检测抗压强度试验的基础上,揭示回弹法的基本原理,比较了传统方法与人工神经网络方法的计算结果,较为深入地研究了混凝土抗压强度和回弹值两者之间的内在关系,参照国家规范提供的回归公式并考虑两个变量的函数变化关系,对C55混凝土专用测强曲线进行了研究。对比分析结果表明:文中所得到的专用测强曲线线性相关性较好,且利用回归方程求得的强度平均相对误差和强度相对标准差较低,符合国家相关规范规定;与特大桥上部结构抽样混凝土回弹检测数据对比,混凝土的抗压强度的实测值与推定值吻合良好。     

高流动性超早强路面修补混凝土的试验研究

利用快硬硫铝酸盐水泥、氨基苯磺酸系高效减水剂和自配的RF早强掺合料配制出了高流动性、5 h抗折强度大于3.5M Pa、抗压强度大于20M Pa的路面快速修补混凝土。对外加剂与胶凝材料的相容性、混凝土的早期抗压强度、抗折强度、新老混凝土界面粘结性能及抗冻性能进行了试验研究,并在实际破损混凝土路面修补中进行了应用。结果表明,所配制的高流动性超早强修补混凝土便于施工操作、力学性能及耐久性能良好,可以应用于各种混凝土路面的修补并能在5 h内恢复交通。     

粉煤灰混凝土强度的试验分析与BP神经网络预测

为了克服混凝土施工中强度评定滞后现象,提出采用BP神经网络技术进行粉煤灰混凝土早期强度预测。通过粉煤灰混凝土正交试验,并对实验结果进行极差分析,找出影响粉煤灰混凝土强度的主次要因素,进而作为BP神经网络输入参数,预测粉煤灰混凝土的抗压与抗折强度。经过预测值与实测值对比分析,结果表明BP神经网络技术有很好的预测精度。应用BP神经网络技术对混凝土施工中的质量状况及时预报,有重要的技术应用价值。     

早强型水泥基道路快速修补材料性能研究

针对目前水泥混凝土路面常用快速修补材料存在的局限性,设计复配出一种超早强型水泥基道路快速修补材料,并对其物理力学性能和耐久性能进行测试分析。结果表明,由该材料设计制备的水泥混凝土2h抗折强度、抗压强度和黏结强度分别可达到4.0 MPa、29.8 MPa和2.4 MPa,且后期强度不倒缩,能满足2h开放交通要求;与同强度等级普通水泥混凝土相比,其收缩明显降低且耐磨性良好;此外,基于扫描电子显微镜(SEM)和X射线衍射(XRD)微观分析,建立了超早强快速修补材料宏观性能与微观结构之间的联系。     

基于响应面法的超早强混凝土优化设计

为了获得早强剂与缓凝剂的最优掺量,制备工作性能良好的超早强混凝土,采用Design Expert软件的响应面分析法进行试验设计,测试早强剂(碳酸锂)和缓凝剂(硼酸)不同掺量组合下硫铝酸盐水泥混凝土的流动度和早期抗压强度,建立流动度和早期抗压强度的预测模型,基于该模型分析碳酸锂与硼酸对混凝土流动度和早期抗压强度的影响,预测二者的最优掺量并进行试验验证。结果表明:通过响应面法建立的二阶多项式模型可信度和精确度高;模型预测的碳酸锂和硼酸最优掺量分别为0.58‰和0.6‰,此掺量下混凝土的20min流动度、2h以及1d抗压强度试验值分别为229mm、34 MPa、62 MPa,模型预测结果与试验结果接近。     

C50超早强高性能混凝土试验研究

针对超早强混凝土配制中存在早期强度不够高、凝结时间太短、后期强度下降明显等问题,采用快硬硫铝酸盐水泥复合碱金属碳酸盐类早强剂、无机三元酸类缓凝剂和聚羧酸高效减水剂技术,成功配制出了C50超早强高性能混凝土.其12 h强度达到设计强度的70%,3 d强度达到设计强度的100%,且混凝土施工性能优良,后期强度增长良好、无倒...     

C50混凝土弹性模量和强度试验研究

通过在浏醴高速六标开展的C50混凝土弹性模量和强度试验研究,试验结果表明,该高速公路工程中所用C50混凝土的强度比设计强度高很多,有的已经达到C60的抗压强度,有的甚至达到C65的强度.由于外加剂的使用,混凝土出现过于早强的现象；弹性模量也高于设计时采用的弹性模量,故而出现上拱值不够等现象；弹性模量的增长与抗压强度的增长有近似线性的关系.     

超早强修补水泥混凝土早强机理研究

通过室内试验测试并分析了修补混凝土强度增长、收缩特性、新旧混凝土粘结强度等技术性能,并采用热重分析探讨了混凝土早强机理。结果表明,超早强系列修补混凝土能够满足6h通车要求,并且具有早期强度高、后期强度增长稳定无衰减、干缩及温缩性好、新旧断面粘结强度高等优点;差热分析表明,修补剂的加入减少了氢氧化钙晶体数量,提高了修补混凝土的早期强度。最终试验路的4年成功应用验证了室内研究成果。     

双超路面混凝土的力学性能研究及其应用

通过试验研究,测得双超路面混凝土(超塑性、超早强混凝土)的工作性及力学性能,研究水胶比、硅灰掺量和砂率等因素对双超路面混凝土性能的影响,将普通路面混凝土作为对照组分析双超路面混凝土作为修补材料的优劣性。结果表明:双超路面混凝土的12h抗压、抗折强度分别为22.13 MPa和3.77 MPa,早期强度已达到通车水平要求,28d抗压、抗折强度可达到47.92MPa和5.97MPa,后期强度满足工程应用标准。将配制好的双超路面混凝土应用于修补工程,在工程应用中,修补效果良好,满足工程实际要求。     

岩质边坡稳定性 SVM 预测模型的新型核函数应用

导致岩体破坏的影响因素复杂多样,一般分为几何因素和物理因素。目前针对均质体的岩质边坡物理参数取值方面的研究较多,而关于改进的二折线岩质边坡模型的影响因素分析还处于起步阶段,且寻找能够解决各因素之间非线性关系的分析方法是十分必要的。基于二折线边坡计算模型,引入能够解决高维非线性问题的支持向量机方法,通过重要参数的敏感性分析,提出一种新型的综合核函数,论证该方法在岩质边坡稳定性预测分析中的可行性。通过各因素的敏感性分析可知,关于边坡的几何因素,采用RBF核函数所建预测模型精度较高,Sigmoid核函数适用性较差;关于边坡的物理力学因素,采用Linear核函数所建预测模型精度较高,Polynomial核函数和Sigmoid核函数适用性较差。经核函数矩阵组合得到一种新型综合核函数,并与4种常规核函数进行预测效果对比,结果表明,采用新型综合核函数所得岩质边坡稳定性预测精度最高,绝对误差不超过0.010 3,相对误差不超过2.83%。研究结论可为岩质边坡稳定性分析提供一种新思路。     

基于Takens理论和SVM的滑坡位移预测

针对滑坡变形时序非线性,数据量少的特点,引入Takens理论,采用支持向量机(SVM)建立其预测模型,建模过程中,比较了由不同核函数获得的SVM模型的性能,同时将SVM与RBF、El-man神经网络模型进行外推7步预测试验比较。结果表明:RBF核函数具有更好的工程实用价值;在有限样本情况下,SVM预测模型具有更好的准确性和泛化性,其7步预测平均误差率控制在5%以内,可见该方法在滑坡变形预测方面极具潜力。     

基于优化高斯过程回归算法的锂离子电池可用容量估算

为了解决应用数据驱动算法估算锂离子电池可用容量时存在的电池老化特征提取不准确、可用容量衰退趋势跟踪精度低及模型要求训练数据量大等问题,提出一种基于优化高斯过程回归算法的锂离子电池可用容量估算方法,实现锂离子电池强非线性全衰退过程可用容量精确估算。首先,提取电池表面平均温度、容量增量曲线峰值及峰值对应电压作为表征电池老化状态的健康因子,通过灰色关联度分析法和熵权值法对所选健康因子进行合理性评估;然后,用2个单一核函数构造高斯过程回归算法复合核函数,并利用鲸鱼优化算法完成复合核函数的参数寻优,基于优化后的高斯过程回归模型实现锂离子电池可用容量估算;最后,通过对比不同核参数寻优算法,证明鲸鱼优化算法在参数寻优方面的先进性,并通过与传统的高斯过程回归、支持向量机、径向基神经网络等机器学习算法进行可用容量估算对比,证明模型的有效性。研究结果表明:基于复合核函数和鲸鱼优化算法参数寻优可以有效改善高斯过程回归模型性能,所建立的优化高斯过程回归模型能够基于较少训练数据实现电池容量的精确估算,并能够有效追踪锂离子电池非线性长周期衰退趋势;对不同电池数据也具备较好的自适应能力,可用容量估算最大误差低于1.56%。     

基于RS-SVR的上软下硬地层盾构施工地表沉降预测

为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性,建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型,并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先,根据特定地质条件,从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性,采用粗糙集理论的Pawlak属性重要度方法删除冗余数据,获取影响地表沉降的最优条件属性集。在此基础上,基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型,并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响,RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后,利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据,对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集,分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间,地表沉降分类结果与约简前保持一致;同类模型进行横向对比时,RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%,均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差;以同种核函数进行纵向对比时,RS-SVR模型预测误差分别为5.54%、11.48%、13.26%,均低于SVR模型预测误差的13.10%、15.71%、19.68%。     

SVM在缸套—活塞磨损状态监测中的应用研究

以发动机振动信号的5个时域及幅域特征(二次矩、四次矩、最大绝对值、时间二次矩和最大幅值点)为特征参数,以4类间隙值作为预测结果,建立了基于RBF核函数支持向量机(SVM)的缸套—活塞磨损间隙预测模型。通过仿真试验研究了核宽度σ和惩罚系数C对分类器性能的影响,结果表明,选择合适的σ和C值可以使分类器的性能达到最佳,为缸套—活塞磨损状态监测提供了一条新思路。     

基于神经网络的汽车结构件低载强化特性确定

提出了一种基于径向基函数神经网络的汽车结构件低载强化特性确定方法。通过足够样本的训练,构造出一个有效的神经网络模型。对于给定的强化载荷和强化次数,应用构造的神经网络模型,可以确定相应的低载强化效果。经过对某汽车前梁和传动系齿轮低载强化特性的试验验证,证实了该神经网络可以准确快捷地预测不同强化载荷和强化次数下结构的强化效果。简化了计算过程,提高了计算精度,为基于低载强化的汽车产品轻量化设计带来了方便。     

基于遗传算法的工程车辆自动变速神经网络控制

为了提高工程车辆传动系统效率，保持液力变矩器工作在高效区，提出了基于径向基函数神经网络的工程车辆自动变速控制方法，利用车辆传动试验台换挡控制试验的数据作为学习样本，采用遗传算法对径向基网络进行训练，并进行了验证性的仿真试验。仿真结果表明：该算法收敛速度快，能够满足工程车辆对换挡实时性的要求，可以根据车辆运行状态确定最佳挡住，并能够保证液力变矩器经常工作在高效区。     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

基于灰色径向基函数网络的区域物流能力组合预测

区域物流能力对区域经济的增长有着强劲的推动作用,为准确地预测区域物流能力大小及其变化趋势,将灰色系统理论中的GM预测模型与径向基函数神经网络有效地结合起来,综合了灰色系统贫乏数据建模的优点和神经网络特有的高度非线性映射能力,构建了基于灰色径向基函数网络的非线性组合预测模型。然后,以四川省1997-2005年的物流能力量化值为基础,对2006-2008年的四川省物流能力值进行了短期预测,并分析了预测结果的合理性。研究表明,该组合模型优于任何单一灰色预测模型,能很好地反映区域物流能力的变化规律,在小样本、贫信息的条件下,仍然能得到合理精准的预测结果,具有实用性。