基于灵敏度分析的双塔斜拉桥有限元模型修正优化

为了获得精确度更高的桥梁有限元模型，基于静动载试验结构响应数据及参数灵敏度，采用基于灵敏度分析理论和序列二次规划法对苏通长江大桥有限元模型进行修正优化，对比分析研究模型静力位移修正优化、动力频率修正优化和联合静动力修正优化的结果。结果表明：联合静动力优化后的模型结构自振频率更加接近结构实际自振频率、参数变化更合理且结构材料参数更符合成桥阶段的变化。     

沥青混凝土路面纵向反射裂缝研究

S341一级公路跨S456东桥头在交工验收后1年后出现了纵向裂缝。课题组通过沉降观测、位移观测、横坡判断等方式进行裂缝稳定性判断，除横坡度有变化外，位移和沉降数据均显示路基稳定。通过使用千分尺对裂缝宽度变化进行精准量测，并使用时间序列判断方法，分析时间序列的拟合直线斜率，得出裂缝发展后并未及时出现稳定的结论，经持续观测，时间序列拟合直线斜率趋向于平缓，判定裂缝已经稳定。据此对裂缝进行加固处理。     

基于ARMA的桥梁监测信息预测技术研究

为解决桥梁结构健康监测中长期累积的海量监测数据处理问题,采用数据挖掘中的时间序列分析方法,利用自回归移动平均(ARMA)技术对桥梁历史静态监测量进行分析,直接得出关于其过去行为的有关结论,进而推断其未来发展趋势。与基于因果关系的结构式模型预测法不同,ARMA无需明确模型结构或边界条件,而是直接从统计学的角度预测变量未来发展情况。采用该技术对西安白蛇峪大桥应变监测数据进行分析,试验结果显示出较高的预测精度;采用该技术对重庆偏岩子大桥的应变、挠度、裂缝、倾斜监测量进行预测,试验统计结果表明,ARMA单步预测误差小于10%的置信度在97%以上,在工程实际中具有可实用性,可为桥梁结构的安全预警提供重要参考依据。     

基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

直接序列扩频通信系统与MATLAB仿真

扩频通信系统具有的较强的抗干扰能力,保密性好、易于实现多址保密通信等特点,正从军事应用向民用通信发展。本文主要介绍了直接序列扩频系统的模型,并利用MATLAB对直扩系统实现仿真。     

基于奇异谱分析的GRNN模型在金融时间序列中的应用

奇异谱分析(SSA)作为一类无参数、独立于模型的时间序列分析技术,适用于具有非线性、非平稳性、含噪声的金融时间序列数据的分析与研究.目前,基于SSA的预测通常采用线性递归、BP神经网络等模型,但其预测精度、训练速度并不理想.为此,该文提出基于SSA的广义回归神经网络(GRNN)预测模型,它以SSA所获取的主成份重构序列...     

无线闭塞中心测试案例生成方法

应用基于功能特征的测试案例生成方法,研究了无线闭塞中心的功能结构,提取了无线闭塞中心的功能特征,得到了无线闭塞中心的功能特征列表。针对无线闭塞中心的每个功能特征,编制了测试案例,将测试案例串联成电子化的测试序列。根据中国高速铁路列车运行控制系统的规范和要求,构建了无线闭塞中心的仿真测试平台,编写了试验步骤和XML程序文件。在无线闭塞中心测试平台上,测试了包含注册与启动、行车许可、停车与注销、通信网络故障、RBC切换5个运行功能的3个测试序列。测试结果表明:在常温常压下,列车速度低于350 km.h-1且仅有一趟列车运行的条件下,无线闭塞中心可不间断工作至少90 min,功能正常。可见,方法有效。     

基于动态规划算法的集装箱码头集卡优化调度模型

集卡是非自动化集装箱码头重要的水平运输设备,其作用是实现集装箱在码头前沿与堆场间的水平位移。集卡调度通常是根据岸吊作业顺序进行的。优化集卡调度能减少岸吊等待时间,提高码头装卸效率。目前国内外已有许多学者对集装箱码头装卸过程中的集卡分配和调度问题进行研究:BISH等[1]运用启发式算法建立基于车辆的集卡分配模型,从而使船舶在港时间最短;     

一种雷达信号的综合分选方法

现代战场电磁信号环境日益复杂,仅某一种算法不能准确地分选雷达信号。文章提出了一种结合序列差值直方图算法和改进的PRI变换法的综合分选方法来估计脉冲重复间隔。仿真结果表明在复杂的信号环境中可以对雷达脉冲信号实时地进行准确分选。