大跨径连续梁实桥构件刚度模态识别方法

提出一种利用低阶测试模态对桥梁构件抗弯刚度进行有限权量平差的最小二乘解识别方法。通过对主跨110m的广州大桥主桥3跨变截面连续箱梁实桥梁体抗弯刚度进行数值模拟识别及结合桥梁现场动静载试验进行识别结果,表明此方法利用现有的测试技术对大跨径连续梁桥进行抗弯刚度识别误差是常规最小二乘解识别误差的1/8～1/10,识别精度得到了极大的改善。     

大跨斜拉桥扁平钢箱梁损伤定位指标的噪声鲁棒性比较研究

以润扬大桥斜拉桥的扁平钢箱梁结构为分析对象,采用子结构方法将扁平钢箱梁结构的整体尺度动力特性和细节尺度构件损伤相互衔接实现多尺度损伤分析。在此基础上对模态曲率、模态应变能、模态柔度和斜拉索索力等4类结构损伤定位指标的抗噪声干扰能力进行了对比分析。分析结果表明,模态应变能和模态柔度对于扁平钢箱梁结构损伤定位具有较好的互补性,将其相结合对扁平钢箱梁主跨和边跨的损伤识别具有较好的抗噪声干扰能力。     

大跨度预应力混凝土斜拉桥基于定期检测的损伤识别方法

为了在定期检测信息的基础上实现大跨度预应力混凝土斜拉桥的健康状态评估,提出采用无线多点自动综合测试系统监测结构应力,利用环境随机振动法测试全桥索力,并结合桥梁几何测试信息,获得桥梁状态的综合检测方法。针对招宝山大桥,建立最优化遗传静力反分析模型,采用基于遗传算法的大型复杂结构损伤识别程序对模拟的损伤工况进行分析,有效识别出了斜拉桥主梁的损伤位置。并且由于遗传优化算法对参数的类型和数量没有限制,对斜拉桥进行包含不同损伤类型的参数化建模,可以进行结构多类型损伤的识别,因此,可推广至其他复杂桥梁的损伤识别,为同类工程所借鉴。     

曲率模态和神经网络在损伤识别中的应用

以连续梁为例，通过曲率模态及改进后的模态置信准则联合确定损伤位置，并使用神经网络判定各损伤处的损伤程度。数值模拟考虑了梁不同位置及不同程度损伤情况，研究了运用曲率模态和模态置信准则进行损伤和损伤位置的识别，分析了各自方法的优缺点，通过两种方法的联合运用，使损伤位置识别准确、合理，并且说明了1阶曲率模态的局部参数是损伤程度识别较优的网络输入量，最后运用神经网络识别损伤程度。     

公路交通安全评价系统1．0版本的开发与应用

实践证明,公路交通安全评价是提高公路安全水平的有效手段。尽管其在我国还是一个较新的课题,但已经引起相关部门的重视,国内也开展了很多安全评价方法的研究。《西部地区公路安全评价》是系统研究公路安全评价方法的一个课题。而公路交通安全评价系统1.0版本是在该课题成果基础上开发的一套实用化的工具,它包括交通基础数据的管理和事故多发段判别、规范符合性分析、事故预测、速度一致性分析、路侧危险度分级等分析模块。本文对该系统各个模块的功能进行了阐述。     

基于神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q电喷汽油机为研究对象,提出了一种基于BP神经网络的空燃比辨识方法,比较了不同拓扑结构的神经网络对空燃比辨识精度的影响,得到了一种最优的空燃比模型。试验结果表明,空燃比模型能高精度地逼近空燃比的实际动态过程,模型的平均相对误差小于2%。     

无证驾驶自动查处系统的设计与探讨

文章结合现有的无证驾驶查处方式带来的问题和弊病,基于智能交通系统的相关技术,介绍了无证驾驶自动查处系统功能模块的设计、安装及关键技术,为无证驾驶系统的研发提供参考。     

基于Elman神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q型电喷汽油机为研究对象,分析了汽油机空燃比的数学模型,提出了一种基于Elman神经网络的过渡工况空燃比辨识方法。试验结果表明,Elman神经网络空燃比模型具有简单的网络结构,能高精度地逼近车用汽油机空燃比的实际动态过程,模型的平均相对误差小于1%,优于前馈BP神经网络模型的辨识结果。建立的Elman神经网络空燃比模型能改善过渡工况空燃比控制精度,提高排放性能。     

庆春路过江隧道施工难度及风险的分析和控制

 杭州市庆春路过江隧道工程属大型复杂工程，其施工规模大，施工技术复杂；由于不确定因素多，因而风险因素也多。就钱塘江底特殊地质以及外部环境等约束条件下隧道工程施工期间的难度及意外事故风险进行了分析；采用灾害风险评估矩阵法（R=P×C）来研究这些风险因素对项目安全质量目标的影响程度，并给出了定性的评价和定量的分析，同时根据此评估的风险程度提出相应风险对策与控制措施；为进一步探讨在大型复杂的越江隧道工程项目中风险的全过程管理提供了依据。     

基于熵最大化图像分割的直线型车道标识识别及跟踪方法

为了解决在道路路面材料不一致或光照不均匀情况下的车道标识线的识别和跟踪问题,提出一种基于熵最大化的图像分割可变形模板的车道标识线识别及跟踪方法.该方法结合了图像变窗口处理技术和基于熵最大化分割方法来实现对道路图像的理想分割,然后利用可变形模板匹配方法得到车道标识线参数,最后采用建立梯形感兴趣区域的方法实现对车道标识线的实时跟踪.试验结果表明：该方法具有很好的可靠性、鲁棒性和实时性.