共查询到19条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
刚性路面基垫层材料参数及结构试验研究 总被引:3,自引:0,他引:3
通过高速公路试验路段的铺筑检测,在几种典型半刚性材料系统试验成果基础上,提出了刚性路面基垫层材料参数建议值,介绍了新型基层材料的力学特性及工艺参数;提出了基层当量回弹模量与回弹弯沉值之间的相关统计公式。 相似文献
5.
本次研究基于路面抗滑特性的预测问题,运用道路摩擦系数测试仪在公路上进行路面摩擦系数测试试验,并对试验结果进行分析,提出了路面摩擦系数的影响因素。应用广义回归神经网络分析方法,以影响因素为分类标准,确定了摩擦系数预测模型的分类,建立了基于广义回归神经网络的路面摩擦系数预测模型,并通过60组试验数据对网络模型进行了训练,利用6组实验数据进行预测结果对比。结果表明,模型预测值与实测值的平均误差为3.0%左右,模型预测结果与实测结果吻合,所构建模型是正确的,且具有较高的精度;此外还通过实车进行了汽车制动试验,并根据试验结果与模型预测结果对比,为交通事故分析中计算事故车速提供依据。 相似文献
6.
围岩分级准确与否直接关系到隧道的施工安全和工程造价。针对现阶段围岩分级方法存在的主要问题,结合宁绩高速公路隧道群施工期围岩定级实践,以国标BQ分级为基准,在大量现场测试和室内试验的基础上,引入径向基函数神经网络,并以分级结果作为遗传-径向基函数神经网络的训练样本,建立了隧道围岩分级的遗传-径向基函数神经网络模型。应用实例表明,该模型分级结果与现场勘测基本一致,为隧道围岩分级提供了一种新方法。 相似文献
7.
针对汽车操纵稳定性试验评价指标自动化处理需要自动识别试验类型的需求,提出一种基于卷积神经网络的汽车操纵稳定性试验类型自动分类方法。在分析汽车操纵稳定性试验类型数据图像特征的基础上,建立了由1个输入层、3个卷积层、3个批归一化层、2个最大池化(Max-pooling)层、5个线性整流函数(ReLU)层、3个全连接层、2个活化(Dropout)层、1个激活函数(Softmax)层和1个分类输出层组成的汽车操纵稳定性试验类型分类卷积神经网络模型。利用2 250组试验采集的数据对模型进行了训练和验证。经验证,类型分类准确率为99.33%,平均识别时间为0.05 s。结果表明,本文提出的基于卷积神经网络的汽车操纵稳定性试验类型自动识别方法可有效区分不同试验类型,可用于汽车操纵稳定性试验结果的自动处理,显著提升汽车操纵稳定性试验自动化处理水平。 相似文献
8.
9.
不论采用何种喷射混凝土方法,在整喷射射中都会产生回弹。实际上这种状况是不可避免的,也是喷混凝土的一个典型特征。所作的试验是采用湿骨料和喷混凝土专用水泥的新工艺进行的。 相似文献
10.
级配碎石回弹模量试验方法研究 总被引:2,自引:0,他引:2
在分析现有6种级配碎石回弹模量试验方法所存在的问题及原因的基础上,提出了一种新的级配碎石回弹模量室内试验方法——有侧限顶面法,推导了侧限修正系数公式和对侧限变形引起的误差进行了分析;并与室内承载板法进行了对比试验。 相似文献
11.
12.
13.
车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。 相似文献
14.
目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度. 相似文献
15.
16.
在地铁隧道建设过程中,渣土改良效果是影响盾构掘进速度的关键因素。为确保盾构顺利掘进,以坍落度试验、渗透试验和电阻率测试的结果作为数据样本集,根据深度学习领域常用的数据划分方法将训练集、验证集和预测集按照6∶2∶2进行划分,基于BP神经网络建立渣土改良效果的预测模型,对南昌地区富水砂层进行渣土改良效果预测,并将预测值和实际值进行对比分析。研究结果表明:
坍落度、渗透系数、内摩擦角在模型学习过程中的平均预测值分别为1728 mm、3355×10-6 cm/s、216°,相对误差平均值分别为176%、453%和360%; 预测集的输出结果与实测值的部分数据重合,三者的平均误差均在5%以内,可决系数R2值分别为088、090和085,表明该神经网络结构属于高精度模型。预测结果的误差均在现场渣土改良的允许误差范围内,可见BP神经网络模型能够对渣土改良的效果进行精准预测。 相似文献
17.
锚杆的锚固质量通常使用声波反射法进行检测,然后使用人工方式对其进行分析和分类,但人工方式不仅具有较强的主观性,而且还费时费力。为解决上述问题,提出一种基于Alexnet卷积神经网络的锚杆锚固质量评估方法。首先,对已经经过人工分类的声波反射信号进行预处理,得到原始样本数据,并将其按一定比例划分为训练集和测试集;
然后,用该样本数据训练卷积神经网络模型并进行分类测试。试验结果表明: 1)该预处理方法极大地提高了最后分类的准确性,样本数据集达到了约90%的准确率; 2)在实际工程应用中,与人工分类结果相比,采用该方法得到的分类结果认可度达到95%。 相似文献
18.
基于静力试验的大跨钢管拱桥承载力的模糊神经网络评价 总被引:2,自引:0,他引:2
在深入研究现有桥梁结构承载力评价方法的基础上,把模糊理论与人工神经网络技术结合起来应用于大跨度钢管混凝土拱桥的承载力评价.建立了模糊神经网络评价模型,通过样本训练,获取评价专家的经验知识和直觉思维.经实际工程检验,评价结果直观简单,较好地反映了在役桥梁结构的承载力状况. 相似文献