Checking and Evaluation for Bearing Capacity of RC Beam Bridge Based on Crack Index

为利用裂缝信息实现对RC梁桥承载力的定量评估,将裂缝参数通过合适的方式进行无量纲化.根据裂缝对RC梁桥承载力的影响程度,选择裂缝的间距、宽度和高度作为参数;提出利用这3个统计参数与各自的权重值来表征结构裂缝指标,运用层次分析法确定各参数的权重,得出裂缝指标的计算表达式;对大量实际裂缝进行调查统计分析,得出裂缝指标与RC梁桥承载力检算系数的对应关系,通过结构抗力表达式进行结构检算,最终对桥梁承载力作出评定.以一座简支T梁桥为例,运用该方法进行承载力检算评定,所得结果与原桥荷载试验结果进行对比表明:该方法结果可靠,简便易行,经济性强,可以用于RC梁桥的承载力快速检算评定.     

BP神经网络在振冲碎石桩复合地基承载力预测中的应用

在分析振冲碎石桩复合地基承载力影响因素的基础上,结合江苏某高速公路工程的振冲碎石桩承载力试验结果,利用BP神经网络强大的非线性映射能力,建立了基于BP神经网络的复合地基承载力预测模型。模型预测结果表明:利用BP神经网络来预测振冲碎石桩复合地基承载力的方法是可行的。     

基于BP神经网络的预应力组合梁承载力预测

为提高预应力钢-砼组合梁的设计效率及合理性,精确预测其抗弯极限承载力,文中采用BP神经网络算法建立具有多个输入、单个输出的BP神经网络预应力钢-砼组合梁抗弯极限承载力预测模型,利用既有实测结果对该模型进行训练及验证,结果表明BP神经网络预测效果较好,其40次预测值与实测值比值的均值为1.002,具有较高的精度;选取浙江省绍兴市壶觞大桥边跨主梁进行抗弯极限承载力预测分析,结果表明该模型应用于实际工程可行,可用于预应力钢-砼组合梁抗弯极限承载力确定。     

基于BP神经网络的桥梁有限元模型修正

为了提高桥梁检测中对于桥梁健康状况评定的准确性,为桥梁的加固设计与长期健康监控提供依据。本文建立了用于修正桥梁有限元模型参数的BP神经网络程序,该BP神经网络程序利用了MATLAB软件实现,通过使用MIDAS CIVIL软件建立原始模型并将计算所得到的不同修正参数组合下的挠度计算值作为样本,对神经网络进行训练并对修正参数的实际值进行预测。由实测挠度值、修正前计算挠度值与修正后计算挠度值对比分析的结果可知,修改后的桥梁有限元模型挠度计算值介于实测值与修正前桥梁有限元模型计算值之间,修正后的相对差值大多小于10%,是原来相对差值的一半左右。BP神经网络对于修正参数的预测准确度高,桥梁有限元模型的精确性得到了提高。本文使用的桥梁有限元修正方法简单可靠,计算效率高,易于在工程实践中实现,为桥梁有限元模型的修正提供参考。     

基于灰色BP神经网络组合模型的基坑变形预测研究

为了使得基坑变形预测在“少样本”“贫信息”的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。     

基于BP神经网络的振冲碎石桩复合地基承载力预测

振冲碎石桩复合地基承载力影响因素多,各种因素间又相互作用,很难准确地计算其复合地基承载力。现行最准确的复合地基承载力载荷试验方法需投入大量的人力物力且耗时长,很难满足现场施工质量实时检测及工程进度的需求。本文在总结分析振冲碎石桩复合地基承载力影响因素的基础上,利用BP神经网络强大的非线性映射能力,建立了基于BP神经网络的复合地基承载力预测模型。模型预测结果表明,利用BP神经网络来预测振冲碎石桩复合地基承载力的方法是可行的,为振冲碎石桩复合地基承载力的快速设计检算提供了一种人工智能解决方法。     

人工神经网络在钢渣稳定土强度预测中的应用研究

在分析钢渣土强度影响因素基础上，选取钢渣龄期、钢渣细度、钢渣掺量3种主要因素作为人工神经网络的输入值，钢渣土7天无侧限抗压强度作为输出值，建立了钢渣土强度预测的BP网络模型。研究结果表明:训练BP神经网络时，17组自变量数据中无侧限抗压强度的网络拟合值与实测值基本重合，误差为-4.054%~3.214%。BP网络方法应用于钢渣土强度的预测方面具有较高的精度，预测与实测结果最大相差为0.02 MPa，最大误差为5.556%，可见，基于3参数的BP神经网络模型在钢渣稳定土新型路床材料7天无侧限抗压强度中的应用     

基于神经网络的混凝土预制桩单桩竖向极限承载力参数分析

应用BP神经网络，对混凝土预制桩单桩竖向极限承载力进行预测，并分析了各种参数对单桩竖向极限承载力的影响。通过影响因素分析，确定了桩径、桩长、入土深度、桩侧摩阻力加权平均值、桩端阻力平均值等参数对单桩竖向极限承载力有影响。对混凝土预制桩单桩静载试验资料进行分析和取样，将包含上述参数的样本与单桩竖向极限承载力形成数据对，采用三层神经网络进行训练，输入层为各参数，输出层为单桩竖向极限承载力，建立了混凝土预制桩单桩竖向极限承载力预测模型。研究表明，所建立的模型能够有效地预测混凝土预制桩单桩竖向极限承载力，通过参数分析，能够得出各参数对单桩竖向极限承载力的影响规律，从而确定比较合理的单桩设计参数。     

基于遗传神经网络的交通流量预测研究

针对BP神经网络用于交通流量预测时存在的不足,采用遗传算法优化BP神经网络初始权值的方法来提高BP网络的性能.应用改进前后的BP神经网络模型对长沙市具体路段的交通流量进行预测,通过预测结果对比,发现经遗传算法改进后的BP神经网络在降低预测平均误差的同时,迭代次数也比标准BP神经网络大大减少.     

近断层强震作用下城市组合钢板梁桥RC桥墩震后可修复性研究

为研究近断层地震动作用下城市组合钢板梁桥钢筋混凝土(Reinforced Concrete, RC)桥墩的震后可修复性,以8度区、Ⅲ类场地的城市组合钢板梁桥为背景,分析在E2水平近断层地震动作用下RC桥墩的残余位移比。采用正交试验设计方法,按现行规范试设计25座典型三跨连续城市组合钢板梁桥样本,采用验证后的有限元建模方法建立全桥动力模型,分析跨径、桥宽和桥墩长细比对RC桥墩残余位移比的影响。并以样本中某3×35 m三跨连续组合钢板梁桥为研究对象,进行有限元模型参数分析,研究RC桥墩设计参数(轴压比、长细比、纵筋配筋率和体积配箍率)对残余位移比的影响。结果表明：组合钢板梁桥跨径、桥宽和桥墩长细比均对RC桥墩残余位移比有明显影响;RC桥墩残余位移比与轴压比和长细比成正比关系,而与纵筋配筋率和箍筋体积配箍率成反比关系;为提高城市组合钢板梁桥在近断层地震动作用下桥墩的可修复性,建议RC桥墩轴压比不超过10%,长细比不超过8,纵筋配筋率取1.5%～2.0%,箍筋体积配箍率取0.6%～1.2%。