排序方式: 共有7条查询结果,搜索用时 187 毫秒
1
1.
为探究高填方区深覆土明洞隧道裂缝、错台、扭转等病害产生原因,依托重庆下穿江北机场明洞隧道工程开展研究。通过数值模拟对基底承载力、边墙回填土抗力、隧道纵向和横向基底承载力差异等进行考察,揭示该明洞隧道衬砌典型病害的机理。结果表明:(1)隧道衬砌拱部和仰拱纵向裂缝主要是由于基底弹性抗力不足引起的明洞整体沉降过大和部分边墙回填不密实所致;(2)基底承载力减小,不仅会导致整体沉降增加,还会加剧隧道上方回填加载的影响;(3)隧道衬砌错台以及变形缝挤压、拉伸、剥落掉块等现象,主要由于基底承载力纵向不均匀致纵向不均匀沉降造成;(4)基底横向承载力不均匀使得明洞衬砌产生扭转变形。 相似文献
2.
3.
5.
基于T-S型模糊神经网络的反应堆功率调节研究 总被引:1,自引:0,他引:1
压水堆核动力装置通过对反应堆功率的控制,实现大范围工况变化下对负荷的跟踪,并维持反应堆主要参数的稳定。为了提高核功率的控制效果,提出一种基于T-S型模糊神经网络的自适应模糊控制器,并通过多种工况仿真试验下与经典比例-积分(PI)控制器比较,说明了该控制器的优越性。 相似文献
6.
规则可生长与修剪的非线性系统T-S模糊模型辨识 总被引:1,自引:0,他引:1
通常离线提取 T-S 模糊模型的规则后, 规则数无法在模型使用中进行调整, 而这成为表达非线性系统复杂性的一个瓶颈. 针对这一问题, 本文引入一种神经网络的生长和修剪方法, 从实时数据中提取 T-S 模型的规则, 并定义其对应局部模型对输出的影响, 以此作为在线调整规则数的依据, 从而更准确地表达了非线性系统的复杂性和运行中的变化. 再加上基于竞争性 EKF(Extended Kalman filter) 的模型参数在线学习, T-S 模型的建模精度也得到了保证. 整个算法完全实现了 T-S 模糊模型的在线辨识, 使模型的结构和参数具有很好的自适应能力. 对 CSTR(Continuously stirred tank reactor) 系统的辨识, 表明了该算法在处理非线性系统辨识问题上的优越性能. 相似文献
7.
1