基于粒子群算法的增压柴油机神经网络模型

神经网络是建立柴油机性能实时计算模型的有效方法.当前柴油机神经网络模型的研究大多是针对稳态工况开展,为了实现对瞬态性能的合理预测,提出了预测全工况稳态及瞬态性能的通用神经网络模型构建方法.此外,为了解决传统BP神经网络无法保证得到全局最优解、泛化能力较差的问题,采用群体智能算法中的粒子群算法(PSO)进行优化.利用某型涡轮增压柴油机的稳态和瞬态数据作为样本对模型进行训练,并与传统的BP神经网络模型进行对比.研究结果表明,PSO-BP神经网络模型可以有效预测发动机的稳态和瞬态性能,稳态预测最大误差4.54％,瞬态预测最大误差4.93％,与传统BP神经网络模型相比,PSO-BP模型可以有效实现全局寻优,提升泛化能力.     

混凝土桥梁全寿命设计方法和例证

针对传统桥梁设计方法存在后期维护成本过高、维修资源分配不合理和服役期性能缺乏预见性等不足,提出基于寿命成本和性能的混凝土桥梁全寿命设计方法.建立混凝土桥梁全寿命成本模型作为优化目标函数,并将截面尺寸、混凝土强度和服役期维修时机处理作为设计变量,从结构应力、几何参数和材料参数出发构造约束条件,构建了服役期劣化桥梁性能与维护对策的关系模型,从而验证混凝土桥梁全寿命设计方法优化模型和设计流程.研究结果表明:基于全寿命成本和性能的混凝土桥梁全寿命设计方法合理,能够在设计阶段考虑服役期性能、维护方案及维修成本,平衡初始造价和后期维护成本.     

柴油机多级并联文丘里管进气系统

为了最大限度地降低NOx排放,进行了利用多级并联式文丘里管进气系统提高柴油机EGR率的研究.通过理论计算和模拟试验的方法对各个文丘里管的结构参数和通道开通数的排列组合进行了优化,分析了不同结构参数和排列组合对柴油机工作参数的影响,特别是对EGR率的影响.结果表明,柴油机在采用多级并联式文丘里管进气系统后,有效提升了EG...     

预应力砼连续箱梁桥主梁设计参数优化

针对当前连续箱梁桥主梁设计参数计算中存在的问题,提出一种基于多目标粒子群算法的参数优化方法。以主梁的边中跨比、墩顶梁高、跨中梁高及梁底曲线幂次4个参数作为优化对象,以桥梁受力性能、主梁总体造价作为优化目标,采用多目标粒子群算法建立了连续箱梁桥主梁参数优化数学模型;算例分析结果表明,该优化方法得出的设计参数使主梁的结构受力性能与造价均优于传统方法,该优化方法有效。     

基于耐撞性能的白车身简化模型建模研究

以白车身前纵梁为例,基于白车身的耐撞件能对设计初期简化模型的建模进行了研究.引入神经网络技术实现了白车身耐撞性能参数与梁单元特性参数的非线性映射,通过提取和储存梁单元的特性参数,实现了梁单元模型对传统壳单元有限元模型的等效替代和模型优化.研究表明,通过神经网络技术得到的梁单元模型能够准确体现白车身的正碰特性参数,可在概念设计阶段对车身耐撞性进行有效预测.     

运营状态下杨浦大桥模态试验与状态评估方法研究

利用频域一空间域分解法,建立桥梁运行模态识别方法.该方法对桥梁在实际运行状态下车辆激励的响应测量数据进行无偏功率谱估计;然后采用奇异值分解技术,将随机响应数据空间分解成信号和噪声2个子空间,得出模态指示函数;并利用空间模态滤波技术分离出单一模态,准确识别出桥梁结构的模态参数.通过对杨浦大桥进行动力试验,测试桥梁在环境激励下的振动信息,采用该方法分析得到桥梁结构的动力参数,并与有限元计算结果相对比,有效实现了对桥梁结构整体状态和工作性能的评估.     

连续刚构桥施工控制中的参数识别方法研究

参数识别是大跨径桥梁施工控制分析中的重点.以某连续刚构桥为例,通过参数敏感度分析确定了连续刚构桥在施工过程中对桥梁线形影响较大的参数,并通过一系列方法得到学习样本,基于神经网络法对待识别参数进行识别修正,并进行下阶段的施工状态的预测,从而使施工过程中各个节段粱体的立模标高得到有效的控制.     

基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法及验证

针对基于边缘检测算法、阈值法等传统的混凝土裂缝检测算法易受到干扰的问题，采用基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法对混凝土裂缝检测难的问题进行研究，并通过对桥梁裂缝图像真实数据集进行检测验证。检测结果表明：1)所研究的轻量化卷积神经网络模型能够实现像素级的标注；2)所研究的轻量化卷积神经网络模型训练参数相比其他文献明显减少，权重文件所占内存明显减小；3)所研究的神经网络模型能够清晰准确地划分出图像中的裂缝像素，且不受图像分辨率大小、对比度等因素影响。上述结果表明，所研究的网络模型具有在像素级准确检测裂缝的良好性能，且权重文件占用内存小，能很好地适用于工程实践。     

护栏过渡段应用泡沫铝改善防护能力方案研究

针对原有A级路基波形梁护栏与SB级桥梁混凝土护栏过渡段结构安全防护能力不满足现行标准的情况,提出在原有过渡段的基础上设计一种新型双波形截面的泡沫铝防护结构,基于全因子试验方法对材料性能与厚度因素设计9组优化工况.采用有限元仿真分析手段,通过LS--DYNA软件对车辆与护栏的碰撞过程进行求解,分别对优化前与9组优化工况后的过渡段防护水平进行安全性评价并确定最优参数组合的推荐方案.结果 表明:方案具有优异的吸能特性,优化后的过渡段各项安全性能评价指标均达到现行评价标准要求且防护水平等级由原有的A级提升到SB级.     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

基于有限元模型修正的施工参数识别

针对目前桥梁结构施工控制中的参数识别问题,提出基于有限元模型修正的施工参数识别方法。通过参数敏感性分析确定影响结构响应的主要参数、构造目标函数并对其进行优化求解,从而实现有限元模型修正,进行结构参数识别。对某预应力混凝土连续刚构桥进行施工阶段全过程有限元模拟和参数识别,识别结果表明,所提方法可以指导实际结构的施工参数识别。     

现役桥梁结构性能评估及全寿命维护加固决策

针对我国现役桥梁结构性能评估和维护加固研究现状,提出了基于不确定性参数评估桥梁结构安全性能和基于全寿命造价对现役桥梁结构维护加固进行决策等的理念,在此基础上建立了现役桥梁结构安全评估、维护加固决策管理系统,以用更合理的桥梁结构安全性能评估系统和全寿命造价思想指导桥梁后期维护加固决策.     

基于形貌优化的动力电池上盖模态优化

动力电池上盖模态直接影响到整车噪声、振动与声振粗糙度（NVH）性能及结构耐久性能,为了提升动力电池上盖模态性能,通过形貌优化方法对上盖进行了结构优化。基于求解器MSC.Nastran对动力电池上盖的模态进行了分析,根据分析结果,利用形貌优化法对重点关注的第1阶模态进行了优化,通过改变上盖结构特征,使得上盖第1阶模态由9.6 Hz提升至25.61Hz。结果表明,形貌优化技术能够有效提升动力电池上盖模态性能,为动力电池上盖优化设计提供了参考。     

多级模糊综合评判在桥梁抗震性能评价的运用

通过对桥梁抗震性能的分析,从桥梁养护、抗震设计、抗震设备以及应急设备四个方面选取了21项对桥梁抗震性能影响较大的因素作为评价指标,建立了桥梁抗震性能评价指标体系,运用模糊数学理论确定评价指标的权重以及桥梁抗震性能评价模型,提出一套科学的用于桥梁抗震性能多级模糊综合评价的方法,并采用此方法对西安市某大桥抗震性能的实例计算分析。结果表明,多级模糊综合评判方法在桥梁抗震性能评价可行。根据多级模糊综合评判结果,确定了桥梁抗震性能评价因素中的薄弱环节,为桥梁抗震防灾性能优化设计及维修加固提供了依据。     

燃料电池汽车动力系统设计

燃料电池汽车具有能量利用率高、零排放等优点,对其动力系统进行优化升级,提升整车性能.根据燃料电池汽车混合动力系统的结构,基于传统汽车平台,在不改变其结构参数和性能参数的基础上,更换内部动力部件.采用MATLAB、ADVISOR软件进行仿真模拟,将仿真数据与原车性能数据对比,发现整车动力性基本与传统汽车性能相当,论证了动力系统设计的可行性.     

模糊神经网络在钢筋混凝土桥梁结构可靠性评估中的应用

将模糊神经网络引入钢筋混凝土桥梁结构可靠性评估,充分利用高斯隶属函数的万能收敛性、人工神经网络的自学习性和模糊神经网络高度的非线性进行桥梁结构可靠性评估.以常宁北门桥为例,以受力最不利截面的实测位移、应变、挠度为神经网络输入参数,输出构件的可靠指标.算例表明模糊人工神经网络应用在桥梁结构可靠度评估,为桥梁评估开辟了的新途径.该方法简单、合理、思路清晰.     

基于改进NSGA-Ⅱ和IGA-BP神经网络的索梁锚固区结构优化研究

为实现大跨度斜拉桥索梁锚固区钢锚箱的结构优化,依托某大跨度斜拉桥索梁锚固区结构实际工程,提出了一种基于NSGA-Ⅱ算法与IGA-BP神经网络模型的结构参数优化方法。首先基于BP神经网络确定了钢锚箱响应数据预测的拓扑结构,采用自适应交叉变异改进的遗传算法对钢锚箱结构响应神经网络预测模型的权值阈值调参,得到满足拟合精度要求的IGA-BP神经网络预测模型。然后建立考虑结构平均应力和主要板件上峰值应力的数学优化模型,采用改进交叉、变异算子的NSGA-Ⅱ算法设计了钢锚箱结构参数优化流程。最后联合改进NSGA-Ⅱ算法和IGA-BP模型实现了钢锚箱结构参数的优化求解。结果表明：自适应遗传算法对BP神经网络权值与阈值调参的效果良好,相较于标准BP神经网络,IGA-BP神经网络的拟合精度和训练效率均更高;改进NSGA-Ⅱ算法可以实现对钢锚箱结构参数的寻优求解,根据Pareto协调最优解的结果,钢锚箱支撑板与承压板厚度有一定增加,加劲板和锚垫板厚度略微降低;优化后的结构上平均应力降幅约为2.7%,其中承压板应力峰值由200.9 MPa降低至178.1 MPa,降幅约为11.3%,支撑板应力峰值由199.6...     

桥梁裂缝智能识别与监测方法研究

当前,裂缝识别与监测一直是桥梁结构健康监测的重要研究内容。在桥梁结构现场检测与监测中,传统的裂缝识别与监测技术尚不足以满足实际工程的时效性和精确性需求,尤其是裂缝监测技术。基于深度学习的裂缝图像识别极大提升了裂缝检测的效率和精度,但目前仅能获得特定时刻的裂缝信息,缺乏对裂缝产生和演化过程的监测能力,而这些信息对混凝土结构服役安全量化和科学评价具有重要意义。鉴于此,对基于深度学习的裂缝识别与监测方法进行了系统研究,分析和讨论了裂缝数据集构建基准,改进优化了裂缝目标检测和语义分割算法,提出一种多任务集成一体化实时识别算法,并建立了该模型推理效果评价方法,优化了裂缝参数计算方法,最终形成了裂缝识别及动态扩展自动化实时监测方法。结果表明：所提出的裂缝智能识别与监测方法可以对新裂缝的产生和既有裂缝的全局演化实现良好追踪,监测数据可以为桥梁结构当前服役性能的科学量化评估提供支撑。     

基于BP神经网络的中等跨径桥梁损伤识别探讨

针对中等跨径桥梁中的损伤识别不敏感问题,运用BP神经网络进行中等跨径桥梁结构损伤识别。利用MIDAS/Civil分别建立三跨连续变截面箱梁完好及不同损伤状态下有限元模型,分析桥梁不同状态下的特征值,发现中等跨径桥梁对结构损伤的敏感性依次为振型竖向位移固有频率;将参数化的结构固有频率及振型作为BP神经网络的输入、损伤位置和损伤程度作为输出进行神经网络训练,对各工况下损伤位置和损伤程度进行识别,发现识别效果较差,通过获取中等跨径桥梁的自身特性,利用BP神经网络难以识别结构损伤,需探索合适的损伤识别参数及适用于中等跨径桥梁的方法。     

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%。