碾压参数调控下智能压实指标影响规律研究

在路基连续压实过程中,通过可靠的连续压实指标实现对路基压实程度的实时监测是实现智能压实的基础环节。本文通过分析压实计值（Compaction Meter Value,简称CMV）随碾压参数的变化,建立CMV与压实度线性拟合关系,以代替压实度作为路基压实评价指标,并基于BP神经网络建立CMV与碾压参数之间的回归关系。试验表明CMV作为评判压实质量的间接指标具有一定的可靠性,在CMV与碾压参数关系中,CMV随振动频率变化。建立的CMV-碾压参数回归模型表明振动频率、速度对CMV的相关性较高,通过调整碾压参数实现对CMV的控制是可行的。     

基于BP人工神经网络的滑坡预测分析

文章以汶川地震引发的滑坡为研究对象,以震中距、地震烈度、坡度、前缘高程、坡高和岩性等影响坡体稳定性的因素为切入点,利用BP人工神经网络对实际坡体的稳定性进行了预测分析。结果表明,BP人工神经网络方法能有效预测坡体的稳定情况。     

公路石质边坡防护与环境保护研究

西部交通建设科技项目＂公路石质边坡防护与环境保护的研究＂在确定公路石质边坡地质条件因子、环境条件因子及评价指标的基础上,运用人工神经网络方法对公路石质边坡的地质条件因子、环境条件因子进行了评价分析,形成了公路石质边坡防护与环境保护信息系统及技术指南。本篇对该项目的主要研究内容、实施方案、成果及其使用情况进行介绍,为我国公路石质边坡防护与环境保护工作提供参考依据。     

基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度.     

用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测 ,提出了一种有效的预测方法 ,并构造了预测回弹模量的神经网络模型 .预测结果表明 ,该模型具有较高的预测精度 ,为预测路面材料的回弹模量等力学指标提供了一种新的方法     

结构智能健康诊断的理论与方法

对近20年来国际上在基于动力学参数的结构健康诊断方面的成就与问题进行了系统的回顾和总结，扩展了目前流行的一些结构健康诊断方法，建立了一系列新的结构健康诊断公式，从中发现：（1）结构的总体刚度矩阵[K]，模态特征值λj和模态振型[φ]j之间存在以下关系δλj=[φ]^Tj[δK][φ]j和δλj≤0。（2）对于损伤结构，[δφ]=0和｛δλ｝＝0同时发生的情况一定不存在。也就是说，结构损伤必然会在结构的内禀动力特征｛φ，λ｝上得到完整的反映，这一发现回答了人们长期以来的一项争论，即结构的内禀动力特征｛φ，λ｝是否足以作为结构损伤识别和定位的充分条件，答案是肯定的。（3）通常应变类结构动力学参数比位移类结构动力学参数对结构损伤更敏感。（4）利用多层前向人工神经网络的自组织学习功能和广义遗传算法的全局优化功能，设计一个基于广义遗传算法和人工神经网络的混合结构智能健康诊断演化系统是可行的，且该系统的知识库可实现自主进化。     

基于FWD的旧水泥混凝土路面实测数据分析

根据某旧水泥混凝土路面改建时的FWD检测数据,研究了旧层状体系路面的评价方法及模量反算。分析弯沉盆面积对旧路状况进行评价的实用性。通过理论回归和神经网络的反算,比较普通网络与噪音网络的反算能力,提出人工神经网络实现模量反算的关键技术。     

大跨桥梁混凝土专用测强曲线的研究

以某黄河公路特大桥上部连续箱梁C55混凝土结构为工程背景,在大量系统的回弹检测抗压强度试验的基础上,揭示回弹法的基本原理,比较了传统方法与人工神经网络方法的计算结果,较为深入地研究了混凝土抗压强度和回弹值两者之间的内在关系,参照国家规范提供的回归公式并考虑两个变量的函数变化关系,对C55混凝土专用测强曲线进行了研究。对比分析结果表明:文中所得到的专用测强曲线线性相关性较好,且利用回归方程求得的强度平均相对误差和强度相对标准差较低,符合国家相关规范规定;与特大桥上部结构抽样混凝土回弹检测数据对比,混凝土的抗压强度的实测值与推定值吻合良好。     

非港湾式停靠站对路段通行能力的影响研究

分析了路段上非港湾公交车站对路段通行能力有影响的6个因素,在实地调查的基础上,运用VISSIM进行试验仿真,得到大量数据,定量分析了各影响因素对路段通行能力的影响。建立神经网络模型对仿真数据进行分析,得到一组权值和偏差矩阵数据,通过该数据以及神经网络模型,可以在不同条件下,得到非港湾停靠站对路段通行能力的影响系数。     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。