混凝土双轴动态试验及其数据处理方法

为研究多种应变速率、不同荷载比例下混凝土强度的变化规律,利用大型混凝土静、动三轴试验系统对混凝土立方体试件进行双向应力状态下的动态试验,在取得的大量试验数据基础上,探讨混凝土动态试验中的数据处理方法.针对混凝土受力状态复杂、其动态强度的影响因素众多等特点,提出利用人工神经网络方法来综合量化多种因素与混凝土动态特性之间的数学关系.通过与传统动态试验数据分析方法进行比较后得出:利用人工神经网络来分析多种因素影响下的混凝土动态特性,是一种简便、适用的新方法,具有良好的应用前景.     

离岸混凝土氯离子扩散系数的人工神经网络模型

为研究人工神经网络在离岸混凝土氯离子渗透中的应用,从已有文献中选用653组数据,建立网络结构为13-27-1的模型进行训练、预测。研究结果表明:人工神经网络能有效预测离岸混凝土中的氯离子扩散系数;水灰比,水泥、减水剂、外加剂(粉煤灰、矿渣、硅灰)、骨料的含量以及混凝土的抗压强度、养护机制、试验方法、暴露时间和暴露环境均会对氯离子扩散系数产生影响。     

火灾后新老砼粘结加固劈拉性能的神经网络模拟

遭受火灾的混凝土建筑物采用混凝土修补加固后的性能因受许多不定量因素的影响而变得非常复杂，在试验的基础上，采用人工神经网络对新老混凝土粘结面的劈拉强度进行了模拟和预报，程序计算结果与试验结果吻合很好，进而对不同因素组合下的粘结强度进行了预报。结果表明：采用人工神经网络方法对该课题的模拟预报是准确有效的，得到了多种因素对新老混凝土粘结劈拉强度的影响规律。以利于对试验结果的补充与分析。     

神经网络在混凝土多轴强度预测中的应用

目的 采用人工神经网络技术来处理混凝土多轴强度间的非线性关系．方法 运用BP网络模型对混凝土多轴强度试验数据进行分析，并与数学回归模型进行了比较．结果 研究表明。只要选取合适的隐层节点个数和最优化的网络结构，建立的神经网络模型可以合理地模拟具有复杂非线性关系的混凝土多轴强度模型．结论 该方法具有较高的预测能力，可以作为混凝土多轴强度准则研究的有益途径。     

均匀设计和神经网络优化高固量聚丙烯酰胺的合成工艺

通过均匀设计的方法探索合成高固含量低相对分子质量的聚丙烯酰胺的合成工艺,并利用人工神经网络对实验结果进行非线性拟合,通过筛选优化得到高浓度低相对分子质量聚丙烯酰胺的合成工艺条件.结果表明:通过均匀设计与人工神经网络结合,是一种很好地实验设计和优化实验条件的方法.     

均匀设计和神经网络优化高固量聚丙烯酰胺的合成工艺

通过均匀设计的方法探索合成高固含量低相对分子质量的聚丙烯酰胺的合成工艺，并利用人工神经网络对实验结果进行非线性拟合，通过筛选优化得到高浓度低相对分子质量聚丙烯酰胺的合成工艺条件．结果表明：通过均匀设计与人工神经网络结合，是一种很好地实验设计和优化实验条件的方法．     

基于带有偏差单元的IRN模型的大体积混凝土温度预测与控制

分析了大体积混凝土温度的各种影响因素 ,结合神经网络的特点 ,提出运用神经网络中带有偏差单元的 IRN(Internally Recurrent Net)模型进行大体积混凝土温度预测与控制的新思路。通过实验 ,该模型可达到较好的效果 ,具有一定的可操作性和实用性。为今后大体积混凝土温度预测与控制提供了可借鉴的方法。     

盐害侵蚀对混凝土强度影响的人工神经网络研究

混凝土受盐害侵蚀破坏直接影响混凝土的强度和耐久性.针对混凝土受盐害侵蚀破坏功能函数不能明确表达及非线性程度高的特点,利用BP人工神经网络进行分析,在大量试验数据基础上,通过计算方法的优化和样本的训练,对隐含层和各隐含单元多次试取,最优选取trainglm训练函数,建立盐害预测的人工神经网络系统.解析结果表明,混凝土试件抗压强度预测值和试验实测值的相对误差较小,建立的人工神经网络模型具有较高的预测精度.     

型钢混凝土粘结机理与粘结强度的研究

根据国内外关于型钢混凝土粘结性能的试验研究,对型钢混凝土结构（SRC结构）中型钢混凝土的粘结强度及影响粘结强度的主要原因进行了分析和探讨,并对型钢混凝土粘结应力沿锚固长度的分布规律进行了分析,提出了一种型钢混凝土粘结强度的计算方法,并建立了粘结强度和极限荷载的计算模式,与已有的试验结果进行对比验证,符合较好,可为型钢混凝土结构中型钢混凝土粘结性能的试验研究及实验设计中粘结强度的计算提供参考和依据。     

基于BP神经网络的高性能混凝土早龄期自干燥收缩预测

采用人工神经网络方法,建立高性能混凝土原材料配合比与其早龄期自干燥收缩之间的非线性映射关系。计算结果表明,该模型可以预测不同配合比混凝土的早龄期自干燥收缩,为高性能混凝土体积稳定性的研究提供一种思路。     

型钢混凝土柱骨架曲线特征点计算方法研究

收集国内近年来关于型钢混凝土(SRC)柱低周循环加载下的84组试验数据,回归分析峰值位移和屈服位移之比、强化刚度、软化刚度与SRC柱构件主要设计参数(轴压比、配箍特征值、剪跨比、体积配箍率和混凝土强度)之间的关系,提出型钢混凝土柱骨架曲线特征点的计算方法。结果表明:峰值位移和屈服位移之比与体积配箍率、混凝土强度成正比,与轴压比、配箍特征值及剪跨比均成反比;强化刚度系数与配箍特征值、剪跨比成正比,与轴压比、体积配箍率及混凝土强度成反比;软化刚度系数与配箍特征值、剪跨比及混凝土强度成正比,与轴压比、体积配箍率成反比。该结果可为型钢混凝土组合结构的地震反应分析提供参考。     

基于超声回弹综合法探索双侧加固砼的测强方法

为了分析超声回弹综合法检测经双侧加固后混凝土构件强度的可行性,研究了混凝土构件中钢筋对超声波速的影响,运用超声回弹综合法,剔除试件中旧混凝土部分对试件整体强度的影响,配合回弹值对经过双侧加固的混凝土试件进行强度检测.结果表明:辽宁地区测强曲线优于全国测强曲线;探索出的新检测方法对试件强度进行检测时,其结果能够达到规范要求的检测精度;混凝土构件中的钢筋能够使超声检测的声时值变小;该方法能够准确地检测出双侧加固混凝土试件的强度,拓宽了超声回弹综合法在工程中的应用范围.     

型钢混凝土粘结强度的研究

通过假定型钢混凝土粘结滑移层的剪切破坏机构，在考虑节理单元厚度为零的基础上，采用上限理论对型钢混凝土粘结强度进行理论推导，得到了型钢与混凝土粘结剪切强度的上限解，并确定了其主要影响因素，本文可对型钢混凝土粘结滑移性能的进一步试验研究和理论分析提供参考。     

人工神经网络的盐害侵蚀混凝土强度预测

为了分析和预测盐害侵蚀对混凝土强度的影响程度,利用BP人工神经网络进行分析,通过计算方法的优化和样本的训练,对隐含层和各隐含单元多次试取,最优选取trainlm训练函数,建立了盐害预测的人工神经网络系统.解析结果表明,混凝土试件抗压强度预测值和试验实测值的相对误差较小,建立的人工神经网络模型具有较高的预测精度.     

面板堆石坝沉降变形预测的神经网络方法

运用MATLAB语言提供的newff函数创建BP神经网络,研究面板堆石坝坝体最大沉降变形与坝高、坝体变形模量和河谷形态之间的内在联系.对样本集内的数据采用lnx函数进行非线性变换和比例归一化处理,使样本数据分布于[0.2,0.8]区间内,可改善网络的性能.对网络结构及训练样本的确定进行了分析,通过工程应用验证网络结构的可靠性及预测精度.结果表明,用试错法确定的网络结构是可靠稳定的,对坝体最大沉降变形预测的精度高于常用的工程类比法,此方法可应用于实际工程.     

适于隔震结构的两阶段实时子结构试验方法

为在试验中同时模拟隔震结构中隔震层和被隔震结构的非线性,提出一种适于隔震结构的两阶段实时子结构试验方法。第一阶段先将隔震支座单独进行物理试验,通过试验观测数据训练神经网络,使其可以准确拟合隔震支座动力特性;第二阶段基于训练好的神经网络建立隔震层的数值子结构模型,与被隔震结构进行实时子结构试验,完成对隔震结构的动力性能测试。数值仿真中该方法与整体模型仿真结果的峰值误差在3%以内,试验验证中该方法与整体结构振动台试验的峰值误差在6%以内。数值仿真和试验对比表明：提出的两阶段实时子结构试验具有良好的精度。该方法避免了在振动台试验中由于缩尺导致隔震支座受到欠质量的影响,充分保证其力学性能的真实性。同时有效解决了在利用实时子结构试验对各部分都为强非线性的隔震结构进行试验测试时,由于数值子结构建模不准确导致的试验误差问题。为隔震结构的抗震性能测试提供了新的试验方法。     

钢筋混凝土染裂纹故障分析

应用人工神经网络模型,对钢筋混凝土染结构上出现的裂纹损伤对于结构固有频率下降率的影响进行了诊断和预测研究,并与传统的诊断和预测结果进行了比较,结果表明,采用神经网络技术对工程结构进行裂纹损伤故障的联合诊断和预测比传统诊断结果精确,能够更好地反映结构损伤与特征参数之间的非线性特征。     

置换混凝土法在结构加固设计中的应用

置换混凝土加固法在工程结构加固技术中常用于强度等级偏低的混凝土结构,特别是对混凝土强度等级低于C10的混凝土结构进行加固时,采用其他的加固方法已很难实施,而该项技术却能从根本上解决承重构件受压区混凝土强度偏低的问题.着重介绍了置换混凝土加固法在砖混结构圈梁加固工程中的应用.     

堤与坝管涌发生的机理及人工智能预测与评定

分析了管涌发生的过程和影响管涌发生的因素,提出了一种预测判定管涌发生可能性的机理模型.根据机理模型从影响堤防和土石坝管涌发生的诸多复杂因素中选出既便于测量、建立观测又对管涌发生影响显著的几种因素作为系统输入,把理论机理模型和改进的BP人工神经网络模型相结合,建立预测判定堤防和土石坝中管涌发生的人工智能方法,对管涌发生的可能性因子进行了预测.并通过数据库功能,在应用中不断增加训练样本的规模,使神经网络能够学习到更全面的知识.预测结果的精度较高,表明该方法是可行的.     

型钢混凝土框架静力非线性分析塑性铰参数研究

SRC构件具有比普通RC构件更高的承载力和极限变形能力.但由于SRC构件塑性铰属性参数较难确定,使该结构很难直接应用静力非线性方法进行分析,而是转化为等刚度的RC构件进行计算.从理论上给出了SRC框架压弯构件PMM铰N-Mx-My相关面的形成方法,提出了型钢混凝土构件弯矩-曲率曲线的确定及将其转化为杆单元塑性铰弯矩-曲率关系的方法,并得到了塑性铰区长度的计算方法.应用确定的铰属性参数对两跨三层SRC框架进行了静力非线性分析,结果与振动台试验吻合较好,表明这种铰属性参数用于SRC构件静力非线性分析是合适的.最后通过与具有相同刚度的RC框架计算结果对比分析,表明采用这种刚度相等的RC构件进行计算低估了SRC框架的抗震能力.