共查询到19条相似文献,搜索用时 78 毫秒
1.
使用MATLAB神经网络工具箱研究了BP神经网络在路面模量反分析中的应用。研究结果表明,只要合理的处理输入和输出参数,利用BP神经网络可以较好的预测路面各层的弹性模量,并且相对于其他分析方法,该方法运算速度非常快,适合于实际工程中应用。 相似文献
2.
随着落锤式弯沉仪在公路工程中的广泛应用,路面模量的反分析方法日益受到国内外研究人员的重视。文中使用MATLAB神经网络工具箱研究了BP神经网络在路面模量反分析中的应用。研究结果表明,只要合理处理输入和输出参数,利用BP神经网络可较好地预测路面各层的弹性模量,且相对于其他分析方法,该方法运算速度很快,适合于实际工程中应用。 相似文献
3.
落锤式弯沉仪不仅可以测试路面弯沉值,而且根据测得弯沉盆数据还可以进行模量反算,从而定性反映路面各结构层模量值。下面是我们对此进行的初步研究。 相似文献
4.
5.
路面的动态特性是目前各国研究的热点,其中动态模量又是这一特性的一个基本参数。文章详细介绍了基于FWD野外动态模量的各种反算方法及其优缺点,并论述了基于静力层状弹性体理论的路面动态模量反析程序所存在的局限性及合理性,最后提出用有限元反析路面模量及在我国开展此项研究的基本原则。 相似文献
6.
7.
根据三层BP神经网络和层状弹性理论体系,结合FWD研究土基回弹模量的反算。通过利用反算的土基回弹模量,比较了理论和实测土基顶面的弯沉值,从而发现所建立的神经模型有很好的识别能力和泛化能力,其模型可作为评价土基回弹模量的有效途径。 相似文献
9.
沥青路面反算模量的温度修正 总被引:10,自引:0,他引:10
根据落锤式弯沉仪(FWD)实测的弯沉盆,采用同伦方法反算沥青路面结构层的模量,分析沥青面层反算模量与温度的统计关系,并建立反算模量的温度修正公式。 相似文献
10.
基于同伦方法的路面模量反算研究 总被引:17,自引:0,他引:17
根据最优化问题的极值条件 ,将模量反算转化为非线性映射求零点的问题 ,结合数值微分计算弯沉对模量的一阶和二阶偏导数 ,建立了基于同伦方法反算路面模量的数学模型 ;并采用 LI-YORKE算法求解微分方程初值问题跟踪同伦曲线 ,获得模量的反算结果 ,在此基础上编制了相应的模量反算程序。通过对 3种路面结构的落锤式弯沉仪 ( FWD)的实测弯沉盆进行模量反算 ,并与国内外其它反算程序比较 ,验证了同伦方法反算结果的精度和可靠性。同时 ,通过选取不同初始值进行反算比较 ,验证了同伦方法的大范围收敛性和反算结果的稳定性。结果表明 ,采用同伦方法进行路面模量反算有效地解决了常规最优化算法的初始值和局部收敛的问题 ,是一种精度好、速度快、效率高、结果稳定且大范围收敛的模量反算方法。 相似文献
11.
12.
13.
针对影响汽车保有量预测的多个因素,采用主成分分析的方法提炼出较少的与线性无关的主要因素,并根据这些因素,利用BP神经网络方法对汽车保有量进行了预测,最后通过实例, 将BP神经网络主成分分析法计算结果和非线性模拟与全要素BP神经网络模拟结果进行比较,得知BP神经网络主成分分析法在运算效率、运算精度上较优. 相似文献
14.
盾构密封舱的土压平衡作为地表沉降控制的关键因素对盾构安全施工具有重要保障。为映射影响土压平衡掘进参数之间的非线性耦合关系,增强非线性控制模型的动态性能,提高土压平衡的控制精度,根据盾构施工中影响密封舱内土压平衡的掘进参数调控的难易程度,依托现场监测数据建立基于动态神经网络逆控制前馈作用下的螺旋输送机转速控制模型。对控制模型的性能与效果进行分析验证,结果表明: 动态神经网络输出的前馈螺旋输送机转速能够对推进速度、刀盘转矩的变化响应灵敏; 在给定掘进条件下与通过人工调节螺旋输送机转速控制土舱压力的方法相比,动态神经网络逆控制前馈作用下密封舱土压的最大波动误差由9.8%降为5.3%。 相似文献
15.
利用手持式落锤弯沉仪评价路基路面强度参数 总被引:2,自引:0,他引:2
结合湘西通县公路改造工程,应用手持式落锤弯沉仪(HFW D),研究了动回弹模量与旧路面剩余强度、静回弹模量和劈裂强度的关系,得出动回弹模量与路基路面强度参数(剩余强度、静回弹模量和劈裂强度)有较好相关关系的结论。结果表明,手持式落锤弯沉仪可用于路基路面强度参数的快速检测和评价,从而为路面结构的设计提供科学依据。 相似文献
16.
17.
基于BP神经网络的建设项目交通影响度的敏感性分析方法研究 总被引:1,自引:1,他引:1
提出了建设项目交通影响度敏感性分析的指标体系,构建了项目交通影响度的计算模型,建立了项目交通影响度敏感性分析的BP神经网络模型,并以规划的重庆南岸体育中心为例进行了训练,找出了该体育中心交通影响度的主要敏感性因素及允许的变动范围,表明该方法具有较强的实用性。 相似文献
18.
19.
针对列车制动过程存在的复杂性、非线性、时变性、不确定性等因素,通过分析影响建立BP神经网络模型的主要因素,建立了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象,在Matlab环境中进行了仿真研究。仿真结果表明,该方法控制安全性好、停车误差小,基于BP神经网络的智能算法运用于列车制动控制是可行的。 相似文献