基于深度学习的传感器优化布置方法

针对传感器优化布置(optimal sensor placement,简称OSP)问题,提出了一种新的使用深度神经网络的解决方案,并以简化的桥梁形状的桁架结构中的振动测试传感器优化为例进行了验证。首先,选择一种传统的传感器优化布置方法,对自动化生成的大量不同的桁架结构分别进行传感器优化布置计算,将所得优化布置结果在进行数据预处理后构建出深度学习方法所需要的训练集与验证集;其次,使用Python语言和深度学习框架TensorFlow设计实现与本研究问题适配的深度神经网络模型并训练;然后,随机生成了新的桁架结构参数;最后,将深度神经网络输出的传感器布置结果和传统方法的计算结果进行了比较,验证了本研究方法的有效性以及在速度上、可移植性与可扩展性方面的性能优势。     

喷射混凝土衬砌爆破损伤的数值分析

根据混凝土损伤的基本理论，把混凝土分段曲线损伤模型应用到喷射混凝土衬砌的有限元分析中。利用APDL语言编程对ANSYS进行二次开发．模拟了地下工程构建过程中，掘进爆破冲击波对喷射混凝土衬砌的损伤影响程度。实例计算考虑了不同条件下混凝土衬砌的最大损伤值及损伤积累发展趋势。按照5％的允许损伤准则，求出了不同条件下的最大炸药用量，为地下工程掘进施工提供了理论依据。     

基于遗传算法的钢筋混凝土偏心受压柱的优化设计

探讨了遗传算法在钢筋混凝土偏心受压柱全约束条件下优化设计中的应用，并针对基本遗传算法的缺陷，采用改进的遗传算法，以最优按比例复制的策略，以及使用适应值比例变换方法来进行优化。实例计算表明，该方法有助于解决结构优化设计问题。     

基于Timoshenko梁理论的回传射线矩阵法在传感器优化布置中的应用研究

由于结构存在阻尼现象,弹性波在传播过程中信号强度必然会随传播距离而衰减.据此提出弹性波极限传播距离与传感器极限布置间距概念,考虑到在高频率处剪切变形引起的转动惯量对结构动力特性的影响比较大,基于Timoshenko梁理论,结合经典回传射线矩阵法,提出使用局部散射矩阵确定结构损伤检测中的传感器布置极限间距,并将其应用到传感器优化算法中.针对指定检测系统,以桥梁结构Benchmark模型为例,验证算法的有效性.     

多维性能极限状态随机性及相关性研究

同时考虑性能极限状态随机性及相关性,提出结构系统多维易损性评估方法。开展增量动力分析获取极限状态阈值样本,构造多维性能极限状态方程,创新地提出二维性能极限状态带确定结构失效域,借助区间估计确定某一置信水平下极限状态带上、下界,利用相关系数定量描述极限状态相关程度。开展非线性动力时程分析获取需求参数,建立结构多维概率地震需求模型,以桥梁系统为例计算多维易损性置信区间,开展易损性敏感性分析。结果表明性能极限状态带可较好解决极限状态随机性问题,多维易损性区间长度随极限状态带置信度的下降而变窄;随着极限状态相关系数的增加,极限状态相关性变弱,易损性评估结果偏小,产生非保守估计,不利于结构风险控制。     

基于Poisson过程的桥梁交通激励模型及结构动响应分析

提出一种基于Poisson过程的桥梁交通激励模型,建立了该激励模型的谱密度矩阵,并研究了这种激励模型的性质;基于随机振动理论和平稳随机过程理论,分析了这种激励模型作用下桥梁结构的动响应.数值分析表明:该模型能反映桥梁交通激励的空间相关性,接近桥梁所受实际交通荷载,对桥梁系统识别研究具有重要的理论意义和应用价值.     

改进的HHT在复合材料盒段操作检测中的应用

提出一种基于结构振动和改进希尔波特黄变换的结构损伤检测方法,利用改进的希尔波特黄变换技术,研究悬臂机翼盒段结构的损伤检测问题.改进的希尔波特黄变换由三部分组成,小波分析、希尔波特黄变换及一种简单但有效的经验模式函数选择方法.用改进的希尔波特黄变换处理完好盒段结构与损伤盒段结构在方波信号激励下的动力响应信号, 从中提取出结构损伤信息指标--瞬时能量变化量作为损伤特征参数.结果表明,所构造的结构损伤特征量对表征复杂结构小损伤具有较好的灵敏度.     

浅谈云计算时代下数据中心建设

本文对云计算时代下数据中心建设相关问题进行分析探讨,并就相关问题提出了自己的看法和意见,仅供参考。     

混凝土材料细观结构断裂数值模拟

在细观层次上，应用蒙特卡洛法，在二维平面上建立了混凝土多边形骨料随机分布结构模型。对该模型采用有限元方法，根据最大周向正应力准则，以混凝土三点弯曲梁试件为例，进行了开裂过程的模拟，得出了裂纹在基质、骨料及界面中的扩展路径。仿真分析表明，混凝土试件的承栽能力随着组成骨料粒径的不同而变化，中对此进行了讨论。     

结构健康监测中传感器优化设置方法研究

首先探讨了3种基于数据信息最大化准则的传统传感器优化布置方法,即有效独立法、有效独立驱动点-残差法及运动能法.其中前2种基于Fisher信息阵最大化,而第3种基于运动能最大化.然后运用结构振动模态和三样条插值模态之间的均方差最小和抗噪性能最好,这两种比较准则来确定最优的传感器设置方法.数值分析表明:这3种传感器优化布置法都是有效的,而有效独立-驱动点残差法的效果最好.