基于RBFNN的铁路混凝土桥梁构件状态评估

介绍了RBF神经网络模型的结构和训练算法,提出了既有铁路桥梁构件的综合状态评估模型,根据RBF神经网络的自适应性和学习能力,成功的将RBF神经网络应用于既有铁路桥梁构件综合状态评估中去,并给出了便于获取,且能全面准确反映桥梁实际工作状态的输入参数.以某铁路线的若干组实测数据对RBF神经网络进行训练和测试,系统输出与期望输出吻合较好,证明了RBF神经网络评估既有桥梁构件综合状态的准确性、有效性和稳定性.     

基于实测参数的某斜拉桥健康监测研究

随着斜拉桥的广泛应用,斜拉桥结构运营安全越来越受到关注。为能及时掌握桥梁的状态,桥梁健康监测越来越凸显其重要性。文中以高速公路某斜拉桥为背景,对该桥的健康监测进行了研究,结合有限元分析,确立了该桥的主要监测内容、部位、测点布置方案,给出了结构状态评估方法。通过4年的监测数据分析,判断桥梁结构目前处在安全可控的范围,处于相对稳定的状态,但主梁存在局部下挠现象,后期应重点观测。为管养单位制定桥梁维修计划提供了依据。     

大跨度斜拉桥数字化维护和管理系统的开发研究

在哈尔滨松花江斜拉桥的背景下,开发了大跨度斜拉桥数字化维护和管理系统。该系统主要包括八个模块,有数据管理模块、检验和测量模块、评估模块、有限元分析模块、诊断和预测模块、维护模块、查询模块和帮助模块。该系统利用人工检查数据库、基础数据库和健康监测系统的数据,通过斜拉桥数字化维护与管理系统分析和计算,可以预测桥梁寿命,进行疾病诊断,通过全面评估分析,达到维护和管理桥梁的功能。因此,大跨度斜拉桥的维护和管理系统非常智能化及使用化。通过使用这个系统,可为大跨度斜拉桥及类似桥梁的维护和管理进行实时跟踪及管理指导。     

基于粗糙集和RBF神经网络的高速公路路面使用性能评价研究

利用可辨识矩阵对影响路面使用性能评价的宽泛指标集进行分类、约简,得出对路面使用性能评价最有影响的数据指标,建立RBF神经网络模型,并把处理后的数据指标作为RBF神经网络的输入进行训练、仿真.通过实例,给出了该方法的具体实现过程.与没有采用指标约简的RBF神经网络进行结果对比,该方法在路面使用性能评价上更具有实用性、有效性和可靠性.     

外汇汇率时间序列静态属性的抽取

为了能够使用现有的数据挖掘技术(例如粗糙集)对外汇汇率时间序列进行数据挖掘,必须从外汇汇率时间序列数据中抽取决定时间序列行为发展趋势的静态属性.针对外汇汇率时间序列的特殊性,给出了时间序列静态属性抽取技术的几个关键步骤,完成了从外汇汇率时间序列中抽取出静态属性,最后利用这些静态属性组成的数据库,实现了对外汇汇率时间序列比较准确的预测.     

外汇汇率时间序列静态属性的抽取

为了能够使用现有的数据挖掘技术(例如粗糙集)对外汇汇率时间序列进行数据挖掘,必须从外汇汇率时间序列数据中抽取决定时间序列行为发展趋势的静态属性.针对外汇汇率时间序列的特殊性,给出了时间序列静态属性抽取技术的几个关键步骤,完成了从外汇汇率时间序列中抽取出静态属性,最后利用这些静态属性组成的数据库,实现了对外汇汇率时间序列比较准确的预测.     

基于模糊理论与神经网络并行推理的发动机故障诊断方法

将模糊理论与神经网络相融合，针对汽油发动机偶发性疑难故障，采用模糊信息处理方法确定故障的类别，通过神经网络的逼近能力来实现对故障进行诊断的功能。与单纯使用神经网络进行故障诊断的方法相比，基于模糊理论与神经网络并行推理的发动机故障诊断方法在输入参数不是训练时的典型数据（同训练时输入数据差别较大）时，系统仍能对输入样本很好地归类，给出较高精度的诊断结果，尤其对于单一系统的复杂故障具有很好的识别能力，可以提高对发动机故障的诊断精度。     

无背索竖琴式斜拉桥动力性能试验研究

白鹭大桥是一座无背索竖琴式斜拉桥,为了测试该桥的动力性能,通过跑车试验对白鹭大桥进行了频谱曲线和动位移测试,并且测试了该桥的自振频率和振动参数。通过动载试验及其数据的分析,对无背索竖琴式斜拉桥的工作性能给予客观的评估。试验对同类型桥梁的结构评定可起到一定的借鉴作用。     

电控发动机故障诊断属性约简算法应用研究

利用粗糙集理论中的区分矩阵属性约简算法对电控发动机的几种典型故障参数进行属性约简,为验证约简结果是否有利于下一步的故障诊断,采用较成熟的BP神经网络对其进行诊断验证,将约简结果作为网络的输入,待诊断故障作为网络的输出。通过学习训练结果表明:利用区分矩阵方法所获得的核约简不能作为故障诊断的特征参量,其导致网络不收敛,而其它3组约简可以用于区分现有故障。为获得最优的属性约简结果,利用二进制粒矩阵的方法进行了最优属性约简的证明。     

大跨度斜拉桥健康监测系统设计与研究

随着我国近20多年来长大桥梁的大量建设与投入使用,该类桥梁运营期间的安全监测已成为相关桥梁管养部门的重要工作。介绍了高速公路主跨340 m的钢-混组合梁和主跨370 m的预应力混凝土梁两座典型斜拉桥健康监测系统的设计、安装调试以及数据初步分析。该系统包括传感器测量、系统集成与数据传输、系统数据处理与控制及状态预警和评估等。研究可供同类型大跨度斜拉桥结构健康监测与安全评估提供参考,同时为高速公路长大桥梁健康监测系统标准化建设和运行积累宝贵的数据及经验。     

基于结构检算方法的梁式桥梁结构快速安全性综合评估系统

针对传统桥梁结构承载能力评估存在的不足,建立了梁式桥梁结构安全性的快速综合评估 方法。首先,以基于规范理论的桥梁结构检算方法为核心,采用模拟车辆系统替代静载试验,建 立现役桥梁结构的承载力和刚度计算系统。其次,使用现场调查、检测手段获取结构承载现状的 技术状况信息,确定各计算系统中的技术参数,形成符合桥梁结构实际承载状况的分析检算系 统。最后,将分析检算系统和承载力、刚度计算系统相结合,计算得到一系列反映桥梁结构现有 承载力和刚度的评估参数,从而实现桥梁结构承载能力的快速评估。通过与实桥荷载试验数据的 对比分析表明,采用该方法计算得到的实桥挠度较实测值偏大,偏于保守,并且两者具有相同的 趋势,验证了该评估方法的安全性和可靠性。同时,以某现役预应力简支空心板桥为例,实现了 该桥的安全性综合评估,结果表明该桥的现有承载力和刚度较设计时折损较少,仍然满足现有承 载能力大于设计荷载效应的要求,满足安全运营的需求。     

叠合梁养护管理系统研究

系统地阐述了DCBMS中各模块的主要功能。该系统根据人工检查数据库、桥梁基本资料库和健康监测子系统的数据信息,通过分析计算能够完成桥梁的长期性能预测、病害诊断、综合评估和维修管理等功能,从而使大跨度斜拉桥的养护管理数字化、专家化和科学化,避免结构出现突然破坏,保证并延长大跨度斜拉桥的使用寿命。     

唐山港曹妃甸工业区纳潮河斜拉桥的技术研究

纳潮河桥座落于唐山曹妃句工业区,是河北省第一座大型斜拉桥,该桥地质条件十分复杂,桥梁结构技术含量高,施工难度大.通过总结该桥的施工技术与经验,可为同类型的桥梁施工提供参考借鉴.     

矮塔斜拉桥鞍座锚固及索力张拉关键技术研究

矮塔斜拉桥竖向刚度大且造型美观,近年来在轨道交通大跨度桥梁建设工程中得到较多应用.以南京宁句城际轨道中一座主跨160 m的矮塔斜拉桥为工程背景,介绍该桥鞍座区抗滑装置及其抗滑机理,给出由分丝管摩阻引起的索力差计算方法,分析采用逐根张拉方式的钢绞线群锚拉索的索力不均匀性,并计算依次张拉时每根钢绞线的实际张拉力,给出合理的...     

矮塔斜拉桥施工控制研究分析

主要以黄龙带特大桥工程为例,研究了矮塔斜拉桥施工控制理论,对矮塔斜拉桥施工过程中的斜拉索结构、斜拉索施工工艺、索力监控进行了较详细的论述,通过对桥梁的施工质量保证措施确,保了该桥施工安全和顺利合龙,成桥线形和成桥结构内力符合设计要求,达到了桥梁施工控制目的。     

模糊神经网络在钢筋混凝土桥梁结构可靠度分析中的应用

钢筋混凝土桥梁结构可靠度分析中存在着模糊性问题,计算结构可靠度的传统方法没有考虑结构的模糊性问题．将模糊神经网络用于钢筋混凝土桥梁结构的可靠度计算,用神经网络来构造模糊系统,实现输入、输出隶属函数的自动调整,并给出了模糊神经网络计算结构可靠度的步骤．最后通过两个算例来计算结构可靠度,计算结果表明,模糊神经网络法计算结果与JC法计算结果比较接近,该方法可以用于桥梁结构的可靠度计算,特别是可用于功能函数不能显示表达的可靠度计算．该方法的缺点是计算用时稍长以及训练、检验样本的来源存在问题．     

某单索面斜拉桥承载能力评定

单索面斜拉桥受力较双索面斜拉桥更为复杂,主要表现在面外稳定性以及结构振动特性的变化[1]。其次由于各斜拉索强度不能做到完全相同,钢索索力也难均匀分配给各个单丝,因此斜拉索索力是影响桥梁安全运营的关键因素。以某座单索面斜拉桥为对象对该桥动、静载试验加载方案进行了设计,然后进行现场试验,得到了此次静载试验的校验系数及桥梁振动数据,在此基础上对测试结果进行了理论分析。     

基于粗糙集和混合聚类法的决策表约简算法

在分析粗糙集理论、分层聚类算法和k-means聚类算法的基础上,提出一种基于粗糙集和混合聚类法的决策表约简算法,该算法首先是使用基于分层聚类的k-means混合聚类法离散化决策表中的连续属性,然后利用粗糙集理论对离散后的决策表进行属性约简,得到决策规则集,并通过在铁路客运量预测系统中的应用验证了算法的可行性和有效性.     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.