斜拉桥最优矢量法破损诊断技术初探

针对现有大型斜拉桥破损诊断技术所存在的弊端,该文从另一角度提出采用最优矢量法具体确定破损发生的位置及程度;通过构造最优特征矢量φatj,推导出破损判断矩阵D,通过矩阵D判别斜拉桥最可能的破损单元从而达到破损诊断的目的;该文方法为大型斜拉桥在线监测提供了一套可行的破损检测技术,其实用价值值得进一步讨论。     

盾构隧道穿越特殊地质围岩位移向量趋势线变形响应特征

为减少由于地质因素导致的盾构施工灾害的发生,做到早发现、早预防,利用FLAC3D模拟软硬岩层、断层破碎带、岩层产状、岩溶、球状风化体等多种不良地质体对盾构隧道三维位移的影响,并借鉴国内外学者所发展的隧道三维变形展示方式来呈现隧道开挖地层的反应特性。结果表明： 1）盾构由软岩往硬岩掘进时,位移向量趋势线减小; 反之,位移向量趋势线增加。2）随着断层破碎带宽度的增加,位移向量趋势线呈现出规律性变化。3）地质界面倾斜时的位移向量角比地质界面垂直时小。4）相邻地层强度差异越大,位移向量趋势线变化越明显。5）岩溶和球状风化体的尺寸越大,位移向量趋势线变化幅度越大。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。