基于改进鲸鱼优化算法的重力坝变形参数反演

针对利用位移实测资料对大坝坝体和基岩的变形力学参数进行优化反演时存在效率低、精度差等问题,通过对鲸鱼优化算法进行并行化改进,并引入权重因子,结合有限元计算,提出一种基于改进鲸鱼优化算法的力学参数反演方法。利用该方法对某混凝土重力坝坝体和基岩弹性模量进行反演,并与粒子群算法的反演结果进行比较。结果表明:在相同迭代次数的情况下,改进的鲸鱼优化算法比粒子群算法耗时更少,且反演得到的坝体、基岩力学参数比粒子群算法得到的更为准确。表明利用多核处理器对该方法进行并行计算,可大幅度缩短计算时间。基于改进鲸鱼优化算法的力学参数反演方法具有搜索能力强、收敛速度快和精度高等特点,合理可行,可推广应用于混凝土拱坝等其他坝型的力学参数反演。     

基于粒子群算法的大坝力学参数反演

粒子群算法是一种集群优化算法,结合通用的商业有限元软件MSC.Marc.利用其与FORTRAN语言的接口,编写了基于MSC.Marc的物理力学参数的粒子群算法反演程序.结合陈村大坝的实测资料,利用该方法反演了大坝坝体弹性模量.算例表明,采用粒子群算法和MSC.Marc反演大坝坝体的物理力学参数是可行的.     

改进布谷鸟算法在大坝弹性模量反演中的应用

反分析可以得到大坝的真实材料参数,为工程设计提供借鉴,近年来,人工智能理论逐步应用于观测资料反演领域。利用粒子群算法的学习机制,对布谷鸟算法求解过程进行优化,将大坝和坝基弹性模量作为算法的待解值,以位移差值的平方和作为目标函数建立目标优化问题。将二维有限元模型的位移计算值作为标准值,对比分析改进布谷鸟算法和布谷鸟算法在参数反演中的表现。分析结果表明,相同计算条件下,改进布谷鸟算法收敛更快、误差更小、计算性能更优。     

高拱坝参数反演的Jaya-高斯过程回归模型

为了提高高拱坝物理力学参数反演的精度及效率,将Jaya智能优化方法与高斯过程机器学习理论引入大坝安全监控领域,提出了基于Jaya-高斯过程回归代理模型的拱坝参数反演分析方法。采用高斯过程回归代理模型代替传统的有限元计算,并利用3种智能优化算法进行参数寻优。结果表明:Jaya算法相比于PSO算法、GWO算法,不仅反演精度高、收敛速度快,且具有很好的稳定性;所提出反分析策略在反演用时方面比直接调用有限元计算的反分析方法节省80%以上。本文方法不仅能够满足计算精度要求,且大大缩减了计算时间,为高拱坝物理力学参数反演分析提供了一种高效的方法。     

RCC坝力学参数反演不唯一性概率统计分析方法探讨

由于室内试验确定的混凝土坝力学参数与实际参数存在较大差异,目前混凝土坝工程上常基于实测变形采用优化算法或仿生算法反演获得混凝土坝力学参数,然而多参数反演不唯一性问题尚未解决。针对反分析不唯一性问题,考虑到大坝混凝土弹性模量和强度之间密切相关,基于大坝混凝土强度标准值的定义方法,建议基于实测变形进行多次力学参数反演,然后对反演结果进行概率统计分析获得概率分布函数,依据80%保证率确定反演参数。结合高寒地区某碾压混凝土(RCC)坝实测变形,验证了本文提出的反演参数不唯一性概率统计分析方法。分析表明该方法可以获得相对稳定的坝体及坝基力学参数反演值,可为高寒地区碾压混凝土坝安全性态评估提供参考。     

大坝及岩基物理力学参数优化反演分析研究

根据大坝原型观测资料识别大坝结构力学参数是典型的非线性反问题,而反问题往往具有Hadamard意义下的不适定性。基于位移反分析方法的基本原理,依据大坝原型观测数据和有限元数值计算成果,建立了优化目标函数后,应用遗传模拟退火算法实现了对大坝及岩基物理力学参数的反演分析。对反演原理、算法及流程进行了研究。将遗传算法和模拟退火算法相结合,既提高了优化问题全局收敛速度,同时克服了传统方法求解病态方程的困难。实例分析表明,该优化反演方法对抵抗噪音有较强的能力,且与正分析形成的闭合环路可以高精度的完成大坝工作性态的分析。     

基于监测资料的岸坡多层土体力学参数反演

利用有限元分析软件ANSYS分析岸坡位移场,取不同土层测点处的位移和弹性模量作为神经网络的输入层与输出层,利用同时反演法与分层迭代反演法分别反演土体弹性模量。为验证反演结果的准确性,将2种方法反演得到的弹性模量分别进行有限元正分析,结果显示,2种正分析得到的测点计算位移与实测位移误差均较小;采用分层迭代反演法反演所得的弹性模量进行正分析,位移准确度更高。     

新疆克拉玛依风克干渠4~#渡槽反演地基沉降三维有限元计算分析

结合现场多年实测沉降资料,采用三维有限元计算方法反演渡槽基础沉降,通用调整地基的弹性模量、泊松比、粘聚力、摩擦角等参数,得出渡槽基坑竖向沉降变形值,使得反演计算值最终接近实测沉降资料中的值,将反演参数与原始参数进行对比分析,评价渡槽基础的现状情况。依此,为今后老旧结构安全评价提供借鉴。     

高寒地区碾压混凝土坝运行期力学参数反演分析

为准确获得高寒地区碾压混凝土坝真实状态下的力学参数,将碾压混凝土作为横观各向同性材料进行参数反演分析。首先采用均匀设计构造力学参数样本,然后基于有限元法计算不同工况下的顺河向位移,将有限元分析得到的水压分量相对值及相应的力学参数作为神经网络的训练样本,建立水压分量相对值与相应的力学参数非线性映射关系。基于大坝实测位移,考虑坝顶冻胀变形的影响,通过建立坝体及坝基多测点变形统计模型分离出水压分量相对值,将其作为反演模型的输入值,得到坝体及坝基的力学参数。通过实例分析表明,该方法反演得到的坝体及坝基力学参数是可行的,可为高寒地区碾压混凝土坝安全性态评估提供参考。     

基于大坝地震响应的参数反演方法研究

确定合理的参数是对基于大坝的地震响应进行正确分析的前提,利用反分析理论,探讨了大坝的力学参数确定方法。建立了地震荷载响应下的位移统计模型,推导出改进的目标函数形式,并结合遗传算法,以某大坝为例建立有限元模型,编制计算程序,对系统的力学参数进行优化反演,求出待定参数,进行对比验证。结果表明,反演所得参数准确,说明该方法合理可行,对分析大坝性态有重要参考价值。     

基于遗传算法的物理力学参数反演

基于遗传算法的直接随机寻优特性,首先介绍了采用实数编码遗传算法反演物理力学参数的基本步骤,然后在三维有限单元法的基础上,结合水平位移等大坝安全监测资料,提出了大坝坝体弹性模量和坝基变形模量的反演方法。并结合某重力坝8#坝段的安全监测资料,利用该方法反演得到了该大坝坝体弹性模量和坝基变形模量。算例表明,采用遗传算法—三维有限单元法反演大坝坝体及坝基的物理力学参数是可行的。     

基于响应面法的堆石料弹塑性模型参数反演研究

采用拉丁超立方设计选取堆石料参数,并通过有限元计算得到大坝竣工期典型测点沉降,采用响应面法建立二者之间的映射关系,根据工程实测得到的测点沉降结果得到堆石料的模型参数,建立了一种基于响应面法的堆石料参数反演方法。针对紫坪铺面板堆石坝,根据上述方法得到的堆石料参数,进行了汶川地震震害模拟,并与实际震害结果进行了对比分析。计算得到的大坝填筑期典型测点竖向位移发展过程以及地震后大坝永久变形与现场实测结果吻合较好。     

基于均匀设计及神经网络的堆石材料参数反分析

鉴于堆石坝材料参数反演分析问题的复杂性,在BP神经网络反分析的基础上,利用均匀设计理论构造参数样本,结合有限元分析,对水布垭面板堆石坝主、次堆石料的邓肯E-B模型参数进行反演分析。为了验证反演结果的可靠性,再利用反演分析结果,重新进行有限元计算,将计算得到的坝体沉降位移值与实际监测值相比较,结果显示,有限元计算位移值符合大坝变形的基本情况,反分析结果满足精度要求。说明利用均匀设计结合BP神经网络的反分析方法,可以减少堆石坝材料参数反演分析中网络学习的样本数量,提高反分析效率及准确性。     

量子遗传算法在混凝土重力坝综合弹性模量反演中的应用

复杂运行条件下水工建筑物结构物理力学参数往往会随着服役时间的增长发生变异,及时了解更新这些参数对于掌握水工建筑物工作性态,指导水工建筑物安全监控具有十分重要的意义。基于量子遗传算法QGA建立坝体有限元力学参数反演模型,通过MATLAB编程建立有限元软件命令调用接口,利用工程实测值与有限元计算结果建立目标适应度函数,并通过量子遗传算法智能寻优,实现水工建筑物结构参数反演。为验证本算法的有效性,特以混凝土重力坝为例对坝体及基岩综合弹性模量进行反演分析,并与传统遗传算法反演结果进行对比,结果表明本算法反演精度及运行速度均较高于传统遗传算法,具有一定的科学和实践应用价值。     

基于连续蚁群算法和小波支持向量机的位移反分析

提出一种基于连续蚁群算法和小波支持向量机的位移反分析模型。一方面利用具有良好时域、频域分辨能力和非线性学习功能的小波支持向量机建立反演参数和位移之间的非线性关系,避免了大量的数值计算,提高了预测精度;另一方面利用全局优化的连续蚁群算法代替传统的优化算法,避免优化过程中目标函数陷入局部最优,提高了反演的精度。应用该模型对三峡工程永久船闸高边坡4种介质弹性模量进行位移反分析,并利用反演所得参数进行监测点位移预测,计算值与监测值吻合较好,表明该方法适合解决具有非线性和不确定特性的岩土工程问题,在位移反分析中具有良好的实际应用价值。     

地基水荷载对混凝土坝位移影响研究

分析了地基变形模量随深度逐渐增加、渗透系数随深度逐渐减小、坝基渗透系数各向异性、坝踵设置帷幕排水,以及考虑渗流场和应力场耦合等对混凝土坝位移分量的影响,得出如下结论:作用在地基上的水荷载,使混凝土坝坝顶相对参考基点(倒垂锚固点或坝踵正下方1倍坝高处)的水平位移指向上游,而参考基点的水平位移随地基截取范围的增大而增大.由于大坝工程上常将倒垂线锚固在岩基深处,并认为该倒垂线测值为绝对位移.当考虑作用在地基上的水荷载时,将倒垂线测值作为绝对位移的认识存在局限性.为了获得精度良好的参数反演值,必须考虑参考基点的位移,应采用大坝有限元数值计算的坝体位移和基点位移的相对值,联合实测位移分离出的水压分量进行参数反分析.     

分组量子遗传算法在混凝土重力坝坝体综合弹性模量反演中的应用

通过编程建立Matlab与有限元软件命令调用接口,建立基于分组量子遗传算法的混凝土重力坝坝体材料力学参数有限元反演模型。利用工程实测值与有限元模型计算值建立适应度函数,通过分组量子遗传算法智能寻优,实现混凝土重力坝力学参数反演。以某混凝土重力坝为例对其各分区综合弹性模量进行反演,并与传统遗传算法反演结果进行对比,结果表明本方法反演精度及运行速度较均高于传统遗传算法。更多还原     

基于L-M BP神经网络的混凝土坝弹性参数反演

基于人工神经网络方法,根据实测位移资料反演坝体混凝土和坝基岩体弹性模量,可以不必将荷载对坝体和坝基的作用效应分离开来。基于L-M算法的BP神经网络在训练过程中同时利用目标函数的一阶和二阶导数,且训练中利用全部样本的信息进行网络权值及偏差的修正,因此,较基于梯度法的经典BP网络有更好的收敛速度及精度。计算结果表明,应用L-MBP神经网络反演混凝土坝弹性参数,具有精度高、速度快的优点。     

基于敏感性分析与粒子群算法的拱坝原型动弹性模量反演方法

拱坝在长期服役过程中受材料老化、环境侵蚀等因素影响,其动弹性模量真实值与设计值存在一定差异,合理确定运行期高拱坝及其地基的原型动弹性模量参数对于监控拱坝的振动安全至关重要。由于模态参数更能从整体上反映结构的振动特性,基于拱坝原型振动模态参数反演拱坝及地基的动弹性模量在理论上更为精确,为此,本文提出了一种基于敏感性分析与粒子群算法的拱坝原型动弹性模量反演方法。首先,建立了反映拱坝及地基各分区动弹性模量与拱坝模态参数之间非线性映射关系的响应面数学模型,基于正交试验法分析了拱坝及地基的动弹性模量区域对拱坝模态参数的敏感性,并以此确定了待反演的动弹性模量区域。其次,提出了基于响应面数学模型计算模态参数和原型振动模态参数的拱坝及地基分区动弹性模量反演最优化数学模型,将动弹性模量参数反演问题转化为目标函数最优化求解问题。最后,采用自适应惯性权重的粒子群优化算法对目标函数进行寻优求解,反演出各分区实际动弹性模量。通过原型工程实例分析表明,该方法合理可行且具有很好的精度,为反演拱坝的动弹性模量提供了一条新思路。     

基于有限元法和逐步回归法的泵站位移统计模型构建方法

由于大部分的泵站地基不是岩基,通过传统的力学方法无法得到较为准确的泵站位移统计模型,计算较为困难。因此,基于大坝变形统计模型构建的理念,提出了基于有限元-逐步回归分析的泵站位移统计模型构建方法。该方法以逐步回归为基础,通过有限单元法来确定统计模型中与水压分量有关的各个因子,再根据监测资料来确定温度分量和时效分量里的各个因子,从而得到较为准确的泵站建筑物位移统计模型。经南水北调东线某泵站验证表明,泵站实测的水平、垂直位移与三维有限元-逐步回归分析得出的结果基本一致,进一步表明,采用的统计模型用于泵站的位移分析是可行的。基于有限元-逐步回归法的泵站位移统计模型拟合效果较好,拟合精度较高,为泵站监测资料分析提供了新思路。