地铁工程钢筋混凝土梁疲劳损伤演化和寿命预测模型研究

针对地铁工程钢筋混凝土结构服役期间疲劳现象和腐蚀问题,以应力水平(0.6、0.7、0.8)、杂散电流强度(10、20、30、40 V)和氯离子浓度(2.5％、3.5％、5％、10％)为主要变化参数,使用荷载控制对预腐蚀开裂后钢筋混凝土梁进行了腐蚀-四点弯曲疲劳试验模拟,并获得了杂散电流、氯离子和疲劳荷载作用下试验梁跨中...     

基于计算机的产品可靠性预测模型构建与验证

随着现代工业和科技的迅速发展,产品的可靠性成为制造商和消费者高度关注的焦点。产品可靠性不仅影响生产商的品牌形象和经济效益,还涉及消费者的使用体验和安全。随着生产数据的爆炸性增长和复杂性的提升,传统的可靠性预测方法在准确性和实时性方面已无法满足需求。因此,本文基于计算机技术的产品可靠性预测模型构建与验证展开研究,以期为企业提供更加准确和实时的产品可靠性预测手段,同时推进传统制造业向智能制造的转型。     

一种基于神经网络优化预测模型的SiC MOSFET阻断电压确定方法

功率器件设计者常需要通过器件仿真进行器件的设计与优化,但由于仿真结果的未知性,设计者需要逐步调整相关参数,使仿真结果不断逼近目标值,这需要耗费大量的时间,而目前又没有有效的解决办法。为解决这个问题,提出了一种基于神经网络的优化预测模型,以确定SiC MOSFET的阻断电压。将测试温度、第一场限环间距、环间距变化步长、场限环个数和漂移区浓度作为自变量,代入器件仿真软件中进行仿真,从而得到VDMOSFET阻断电压(作为因变量),将其分别代入BP神经网络和RBF神经网络中进行预测,并对二者的预测误差进行对比。结果表明,使用LM算法的BP神经网络预测模型能够很好地预测VDMOSFET的正向阻断电压,可为设计者节约大量时间。     

油气管道腐蚀预测方法研究

文中介绍了3种常见管道腐蚀缺陷及2种腐蚀失效模式,简要分析了油气管道腐蚀预测的国内外研究现状,介绍了油气管道腐蚀预测模型存在的问题及解决途径,针对这些问题提出了建议,对油气管道的腐蚀预测研究提供参考。     

不同孔隙率对高应力水平下混凝土强度的影响研究

在保证骨料组分相似的基础上,通过添加外加剂配置了3种不同孔隙率的混凝土,并对其开展了高应力水平下的三轴压缩试验,研究了混凝土应力—应变关系和强度变化规律,探讨了在不同围压下孔隙率作用的显著程度,并建立了考虑fck的强度预测模型以及临界平均应力预测模型.研究结果表明:在低围压下,孔隙率越小,产生同一轴向应变时所需的偏应力...     

高铁大跨斜拉桥主梁CPⅢ点实时高程预测方法研究及应用

针对高铁大跨斜拉桥主梁上CPⅢ点高程的多值性问题,结合昌赣高铁赣江特大桥工程案例,提出一种大跨斜拉桥主梁上CPⅢ点实时高程预测方法.首先,通过最小二乘线性回归法确定主梁上各CPⅢ点对高程变化量与主跨跨中CPⅢ点对高程变化量之间的数学关系式;然后,采用主成分回归分析法,建立各类传感器读数变化量与主跨跨中CPⅢ点对高程变化...     

重度阻塞性睡眠呼吸暂停风险预测模型的建立与评价

目的 本研究通过列线图构建普通人群罹患重度阻塞性睡眠呼吸暂停(obstructive sleep apnea, OSA)风险的预测模型,探究重度OSA的独立危险因素,指导临床早期诊断和治疗。方法 回顾性纳入1 656名患者,并按7∶3将其随机分为训练集与验证集。根据呼吸暂停低通气指数>30次/h将患者分为重度OSA与非重度OSA组。用最小绝对收缩、选择算子(the least absolute shrinkage and selection operator, Lasso)和逻辑回归(logistic regression, LR)对所有备选预测因子进行进一步筛选,基于LR建立重度OSA患者的预测模型,在验证集中对列线图模型进行验证,使用C指数、校准曲线和决策曲线分析(Decision Curve Analysis, DCA)评价列线图的区分能力、校准性和临床有效性。此外,我们将该模型与临床上广泛使用的问卷,包括STOP-Bang、柏林问卷通过受试者工作曲线进行了比较。结果 通过单因素及多因素Logistic回归分析和Lasso Logistic回归确定吸烟、憋气病史、BMI、腰...     

基于灰色小波神经网络的船舶交通流预测研究

船舶交通流预测的准确性和可靠性已成为制约港口经济科学发展的瓶颈因素。文章综合利用小波变换的局部化性质与神经网络的自学习能力,并引入灰色模型以反映船舶交通流的发展趋势,使得小波神经网络在灰色模型预测结果的基础上结合船舶交通流的影响因素再预测,构成基于灰色小波神经网络的船舶交通流组合预测模型。实验结果表明,灰色小波神经网络的预测精度高于BP神经网络与小波神经网络,提高了整个预测系统的精度及其鲁棒性。     

基于ANFIS交通流实时预测及在MATLAB中的实现

分析了模糊推理预测模型和神经网络预测模型在交通流实时预测中的优缺点,采用ANFIS预测模型将二者结合起来,发挥两个模型各自的优势,弥补彼此的不足,通过预测结果表明该模型能够更直观、更精确地对交通流进行实时预测.     

基于DNN神经网络的地铁洪涝灾害评估研究

为科学评估地铁洪涝灾害发生的可能性,增强地铁洪涝灾害的防治和应急能力,减少人员伤害和财产损失,以我国已发生的地铁洪涝灾害历史事件中提取的相关数据作为样本,通过解构地铁洪涝灾害的致灾因素,从自然因素、周边环境和防汛能力3个维度,共13个致灾因素分析地铁洪涝灾害发生的原因及相关信息,并基于DNN神经网络方法构建用于预测是否会发生地铁洪涝灾害的神经网络模型。结果表明：(1)地铁洪涝灾害预测模型在准确率和F1 Score指标评价上均表现良好,准确率为85%, F1 Score值为0.9,且测试集结果与实际是否发生地铁洪涝灾害情况基本一致;(2)防汛能力较差和不良的周边环境因素会加重地铁车站承灾环境的脆弱性,应予重点关注;(3)自然因素是构成地铁洪涝灾害的关键要素,应多加强自然因素和防汛信息调度之间的及时性。