一种灌封结构用环氧树脂的固化行为表征和模拟

以中高温固化的E39D环氧树脂为研究对象,基于顺序耦合热传导-固化和应力位移模块的数值仿真方法,选择合适的实验方法测试环氧树脂的固化性能,引入相关假设,推导与热传导-固化和应力位移模块相关的树脂固化性能参数和模型;然后,建立典型E39D树脂灌封结构的数值模型,模拟结构内部观测点在固化过程中的温度和应力演变,并基于FBG...     

基于迁移学习和Bi-LSTM神经网络的桥梁温度-应变映射建模方法

为快速构建并准确预测温度作用引起的斜拉桥主梁应变用于结构状态评估，基于某大跨度斜拉桥主梁超过1年的温度和应变监测数据，提出了一种基于迁移学习和双向长短时记忆(bi-directional long short-term memory, Bi-LSTM)神经网络的斜拉桥温度-应变映射模型建立方法。首先，利用解析模态分解(analytical mode decomposition, AMD)去噪应变数据，得到仅由温度引起的应变响应；其次，选择温度和某一测点应变数据构成数据集，采用Bi-LSTM神经网络训练该数据集，并通过网络结构和超参数优化建立温度-应变Bi-LSTM基准模型；最后，利用迁移学习方法，将已训练好的基准模型中部分参数迁移到其他温度-应变数据集，建立相应的温度-应变映射被迁移模型，并与未采用迁移学习的神经网络训练方法进行对比。研究结果表明，相比直接建立的温度-应变Bi-LSTM神经网络映射模型，采用迁移学习方法建立的被迁移模型，其拟合精度均高于所用的基准模型，且训练时间短，预测误差小。     

基于GRU神经网络的结构异常监测数据修复方法EI北大核心CSCD

结构健康监测系统中通常存在大量的异常监测数据,为保证数据的完整性和可用性,有必要对异常监测数据进行修复。大多数基于深度学习对异常数据进行修复的研究通常使用单输入维度和单向预测的方法搭建模型。提出一种基于门控循环(gated recurrent unit,GRU)神经网络的结构异常监测数据修复方法,该方法充分利用深度学习神经网络适合处理复杂非线性映射问题的优势,并对GRU神经网络进行了优化与重构。利用结构温度、时序先后相关性优化神经网络的输入和输出构造,并提出了利用异常数据前后时间段的信息进行双向序列预测的方法提升数据预测和修复精度。最后,利用某古城墙的应变、裂缝与温度监测数据进行方法验证,采用重构后的GRU神经网络模型对异常数据序列进行修复,并与长短时记忆(long and short-term memory,LSTM)神经网络和反向传播(back propagation,BP)神经网络的修复精度进行比较。结果表明,相比单输入维度、单向预测的网络模型,重构后的GRU神经网络的预测精度大幅提高,且显著优于LSTM神经网络和BP神经网络。异常数据序列修复后,应变和裂缝宽度等结构响应与结构温度的线性相关性大幅增强。该方法对具有温度相关性的结构监测数据具有良好的修复能力。     

基于BP神经网络的人工冰场低温冷水机组预测控制算法

为精确控制人工冰场冰面温度,提出基于BP神经网络的人工冰场冰面温度预测及低温冷水机组控制方法.根据采集到的低温冷水机组供/回水温度、冰场环境温度以及冰面温度数据,利用BP神经网络进行网络模型训练,建立BP神经网络模型.利用测试样本对预测模型的仿真结果进行检验,证明BP神经网络用于人工冰场冰面温度预测的可行性.根据冰面温...     

基于多分支BP神经网络的气动肌肉迟滞建模方法

提出了一种基于多分支BP神经网络建立气动肌肉位移/气压迟滞模型的新方法.首先,搭建气动肌肉位移/气压迟滞特性测试系统,得到气动肌肉位移/气压迟滞曲线;然后分别采用传统BP神经网络、多分支BP神经网络和Prandtl-Ishlinskii模型对气动肌肉的位移/气压迟滞开展建模研究;最后通过比较分析发现,采用多分支BP神经...     

一种基于LSTM循环神经网络和振动测试的结构损伤检测方法

本文提出了一种基于长短期记忆（LSTM）循环神经网络的损伤检测方法,通过直接提取结构动态测试时域数据中的特征实现结构的损伤识别,基于不同损伤情况的重力坝有限元模型生成的加速度数据对LSTM网络进行在不同噪声水平下进行训练和测试,采用网格搜索方法对网络超参数进行优化。数值试验和试验室悬臂梁振动试验结果表明基于LSTM的损伤检测方法具有很高的损伤识别准确率和抗噪能力,其性能相对传统的循环神经网络（RNN）和门控循环单元（GRU）神经网络,不同损伤工况测试准确率均有提升,最高达16.25%。     

基于预测补偿模型的绳索并联机构预松弛控制

本文分析了含绳长误差的绳索并联机构运动控制过程,设计了一种基于长短期记忆(LSTM)神经网络预测误差补偿模型的预松弛控制方法,提高了绳索并联机构末端位姿在运动过程中的准确性与连续性。本文基于矢量闭环原理建立了系统运动学模型,得到了绳索末端位姿的非线性误差模型,采用LSTM神经网络进行非线性误差的预测补偿。基于离散控制周期分配主、从控制绳,实现系统的预松弛控制,减小绳索末端的无序晃动。仿真结果表明,误差补偿之后,末端位姿精度有了明显的提高,而预松弛控制的位姿与索力相较于传统控制也更加连续,验证了该方法的可行性。     

磁流变阻尼器的性能试验与神经网络建模

磁流变阻尼器是一种新型的智能振动控制装置.通过磁流变阻尼器的性能试验,研究了在不同电流输入下阻尼力-位移、阻尼力-速度之间的关系,分析了摩擦型磁流变阻尼器的主要特点.采用BP神经网络,建立了磁流变阻尼器的正向模型和逆向模型.仿真结果显示,神经网络模型能准确地预测磁流变阻尼器的阻尼力和控制电流,证明该方法的有效性.与已有的模型相比,具有精度高,计算简便等特点.     

基于FDA-LSTM的冷轧过程多源异构时序数据处理及颤振预测EI北大核心CSCD

冷连轧颤振诱发机理复杂多变,颤振问题的解决需要通过大数据驱动的信息挖掘对机理模型进行补充。该研究针对某冷连轧机现场采集的工艺参数及振动数据,通过函数型数据分析(functional data analysis,FDA)方法进行预处理,实现多源异构时序数据的频率协同;采用SelectKBest算法对影响颤振的多种工艺参数进行特征选择,筛选出与振动相关性较强的因素,构造样本空间;基于长短时记忆(long short-term memory,LSTM)神经网络建立振动能量值的预测模型,并与径向基函数(radial basis function,RBF)神经网络、循环神经网络(recurrent neural network,RNN)模型进行比较。结果表明,LSTM模型具有较高的预测精度,同时采用阈值法验证该模型能有效地预测颤振的发生。     

高铁接触网吊弦故障检测方法

吊弦是高铁接触网系统的主要部件,容易发生断裂和松弛,直接威胁行车安全.在脉动风和受电弓同时作用下,安装于承力索和接触线上的加速度传感器所获取的加速度信号特征比较明显,应用LSTM网络模型,吊弦断裂和松弛故障容易检测.本文针对仅脉动风作用下,加速度信号特征微弱,吊弦故障难以检测问题,利用卷积神经网络强大的特征提取能力和循环神经网络的时序表达能力,同时引进注意力机制,建立CNN-LSTM和CNN-LSTM-Attention融合网络模型,并在网络训练过程中使用贝叶斯优化方法进行超参数选择.实验结果表明,相比LSTM模型,融合网络模型大大提高了吊弦故障检测的准确率,具有很强的实用性.     

斜拉桥跨中竖向位移的温度灵敏度系数研究

环境温度变化下桥梁跨中竖向位移的变化规律是结构健康监测关注的重要问题。前期研究表明，拉索温度和主梁平均温度是引起斜拉桥主跨跨中竖向位移变化的关键温度变量。该文通过平面几何分析和级数展开得到了对称双塔斜拉桥主跨跨中竖向位移关于拉索温度、主梁平均温度的灵敏度系数的实用计算公式。该公式反映温度变形的物理机理，揭示温度灵敏度系数与材料特性（线膨胀系数）和结构尺寸参数（主跨长度L₀、边中跨比γ₀和塔高跨比ζ）之间的关系，为斜拉桥温度变形的研究提供了新思路。     

行波效应对大跨上承式铁路钢桁拱桥地震反应的影响

为研究行波效应下铁路大跨钢桁拱桥地震反应的影响规律,以某490m钢桁拱桥为研究对象,采用SAP2000软件建立全桥动力计算模型,进行了非一致激励下地震响应分析。基于相对运动法的基本原理及位移输入模式,有效分离了行波效应下的拟静力分量和动力分量。结果表明:行波效应对大跨上承式铁路钢桁拱桥的地震反应影响显著,从影响杆件区域范围及量值两个角度衡量,行波效应对拱圈弦杆轴力的影响明显大于对应弯矩的影响。行波效应将使拱顶弦杆轴力显著增大,若不考虑行波效应,将严重低估拱顶杆件的内力响应。与一致激励相比,行波效应使拱顶区域的竖向位移显著增大,使拱顶区域的纵向位移减小。拟静力分量对拱顶纵向及竖向位移影响显著,尤其对拱顶纵向位移。随着视波速的增加,拱顶纵向位移拟静力分量逐渐增大,而竖向位移拟静力分量逐渐减小,拱顶纵向及竖向位移的拟静力分量均与动力项同向,导致总位移均明显大于对应的动力位移。     

考虑桥塔风效应的多塔斜拉桥抖振响应分析

该文以6塔斜拉桥——嘉绍大桥为研究对象,基于ANSYS瞬态动力学分析功能进行了嘉绍大桥风致抖振响应的非线性时域分析,研究了多塔斜拉桥主梁和桥塔在强风作用下的抖振响应特性,并详细考察了自激力和桥塔风效应对主梁和桥塔抖振响应的影响。分析结果表明:1) 主梁与桥塔的风致抖振响应与结构的振动特性联系紧密,其抖振响应由于主梁与桥塔的动力耦合作用呈现出一定的独特性;2) 考虑自激力后主梁竖向抖振响应明显减小,而对主梁横桥向和扭转抖振响应影响相对较小。同时,自激力对桥塔的横桥向抖振响应基本没有影响,但对桥塔的顺桥向抖振响应起到了明显的抑制作用;3) 桥塔风效应对主梁的竖向和扭转抖振响应以及桥塔的顺桥向抖振响应基本没有影响,但会对主梁和桥塔的横桥向抖振响应产生较大影响。     

近断层地震动作用下多塔悬索桥的地震反应分析

以泰州大桥为原型研究了多塔悬索桥近断层地震动作用下的地震反应特点,在此基础上以近断层地震动反应幅值与普通地震动反应幅值的比值作为放大系数,进一步研究了速度脉冲效应和场地土效应对桥塔和主梁地震反应的影响规律。分析结果表明:1) 近断层地震动作用下多塔悬索桥位移和内力的分布规律与普通地震动基本相同;2) 纵向+竖向地震输入下坚硬场地上近断层地震动对主梁竖向位移的影响最大,对主梁竖向弯矩的影响次之,对桥塔纵向位移和纵向剪力的影响相对较小。当场地土由硬变软时,边塔的地震反应增幅明显,中塔次之,主梁相对较小;3) 横向+竖向地震输入下坚硬场地条件上近断层地震动对中塔横向位移的影响最大,对主梁竖向位移的影响次之,对桥塔横向剪力和主梁横向弯矩的影响相对较小。当场地土由硬变软时,主梁的横向弯矩增幅明显,桥塔次之,主梁竖向位移相对较小;4) 在近断层地震动速度脉冲特性以及场地土固有周期特性的共同作用下多塔悬索桥边塔、中塔以及主梁的地震反应存在明显差异,在抗震设计时需要引起重视。     

基于烟花算法与长短时记忆网络的模温预测方法研究

针对传统神经网络模型预测模具温度准确度低,网络超参数选取困难等问题,提出一种基于烟花算法优化长短时记忆网络的模温预测模型,为铸造成型模温自动控制提供基础。首先根据铸造过程生产工艺选取影响铸造系统的主要变量,利用灰关联分析得出各变量灰色关联度并去除关联度小的变量,建立模具温度影响因子变量的数据集;其次采用烟花算法对长短时记忆网络进行优化,建立模具温度预测模型;最后与BP神经网络和长短时记忆网络预测效果进行对比。实验结果表明基于烟花算法优化的长短时记忆网络的模温预测方法绝对误差小于2.4℃,平均绝对百分比误差小于0.12。     

下承式80 m拱肋公路桥组合爆破拆除技术

老永保桥是320国道跨越澜沧江的1座公路主桥梁,该桥为柔性纵梁的下承式肋桥,主拱圈与连续梁构成拱粱结构,主拱由2条钢筋混凝土拱肋组成,每条拱肋分为9段预制,用缆索吊装,桥的结构复杂,构件几何尺寸大,加之澜沧江水流湍急,施工难度大,针对该桥的结构特点采用钻孔爆破并辅以水压爆破的综合拆除技术,通过工程实践,爆破效果很好,其拆除技术和参数选取可以供同类工程借鉴。     

基于BP神经网络的桥上移动荷载分阶段识别方法

移动荷载识别可作为桥梁损伤机理研究的基础,同时为交通规划提供可靠的车载信息。提出了一种基于BP神经网络的桥上移动荷载的分阶段识别新方法。建立了桥梁有限元模型和2自由度5参数车辆模型,模拟生成了神经网络训练样本。采用分阶段识别技术,分步识别了桥上车辆的位置、速度和荷载。在神经网络设计中,利用正交设计法选择训练样本集,采用正则化方法对误差性能函数进行修正,并采用遗传算法对初始权进行了优化。数值仿真了一简支梁桥的移动车辆荷载识别,并通过模型试验进行了验证。结果表明:所提出的方法能够在线、实时地识别桥上移动车辆荷载,识别精度高、收敛速度快,且具有较强的鲁棒性和抗噪能力。     

大跨混凝土斜拉桥施工过程中结构的断索动力响应

为研究大跨混凝土斜拉桥施工过程中结构的断索动力响应,以湖南赤石特大桥火灾后九根拉索断裂的事故为背景,采用有限元软件建立了赤石特大桥的非线性动力实体有限元分析模型,通过对比灾后检测得到的索力、主梁和索塔位移及裂缝开展情况与有限元模型中相应的计算结果,证明了模型的有效性。基于已验证的有限元模型,对斜拉桥结构在多根拉索断裂过程中的动力响应进行了分析。结果表明:(1)拉索静态断裂只会对断索区域附近的截面内力和索力造成影响,而拉索骤断引起的冲击作用则会导致全桥结构都产生较大内力变化;(2)单侧索面部分拉索断裂导致主梁顶板及腹板受到扭矩和双向弯矩的共同作用而产生大量裂缝,裂缝在第五根拉索断裂后出现;(3)主梁扭矩、竖向弯矩和横向弯矩最不利截面在断索过程中的动力放大系数分别在1.09~1.55、1.21~2.05及1.21~1.76,最大主压应力动力放大系数在1.02~1.58;(4)预应力筋及拉索最大拉应力的动力放大系数分别在1~1.9及1.05~1.4;(5)索塔塔顶位移动力放大系数在1.23~1.65。     

设置纵向大型液体粘滞阻尼器的大跨斜拉桥主梁纵向运动阻尼水平研究

大跨斜拉桥减震耗能的一种典型应用是塔梁间设置纵向大型液体粘滞阻尼器,其参数选取以有效率的限制地震荷载作用下的主梁纵向位移以及改善主要构件地震力为目标。大跨斜拉桥的一阶纵飘振型处于长周期,远离场地卓越周期,此时主梁纵向位移响应对阻尼水平的增加不敏感。此种设计思路很可能导致阻尼器设计参数过大,从而为主梁纵向运动提供过大的阻尼水平。基于现有研究,采用单自由度评价模型及相应的等效阻尼比为评价参数。以某大型斜拉桥为典型工程实例,以全桥模型有限元分析与单自由度评价模型地震反应分析对比验证评价模型的可靠性,并以等效阻尼比和主梁纵向自由振动揭示塔梁间设置大型FVD为主梁纵向运动提供了超高水平阻尼比的现象。此种应用突破了FVD常规应用中的附加阻尼比界限,也改变了主梁的动力边界条件。     

基于粒子群优化算法和BP神经网络的变频压缩机功率预测

本文针对变频压缩机的功率测量困难,测量误差大等问题,提出了一种仿真测量模型。利用粒子群算法寻找全局最优粒子,用它初始化BP神经网络的阈值和权值,测量变频压缩机的功率。本文共建立了3种仿真模进行对比,分别为BP神经网络模型、GA-BP神经网络模型和PSO-BP神经网络模型,然后分别通过3种模型的内插、蒸发温度外推和冷凝温度外推的测试方法对变频压缩机进行功率测量,对比分析其预测结果的平均相对误差和拟合程度。结果表明:基于粒子群算法优化的BP神经网络模型明显优于其他两个模型,特别是在冷凝温度外推测试中,较其他两个神经网络相对误差降低了1. 11%、2. 64%,3种测试方法下的平均相对误差均小于1%,拟合程度在0. 9以上,表明基于粒子群算法优化的BP神经网络模型对变频压缩机功率有较好的测量能力,而且有较强的泛化能力。