火灾气体辨识的人工神经网络方法研究

为了解决火灾气体探测时,能有效地辨识火灾标示性气体的问题,提出一种人工神经网络的辨识方法。通过设计三层反向传播(BP)人工神经网络模型,使用自适应学习速率的BP算法,对所设计的火灾气体辨识BP网络进行训练,经过410次训练后,达到目标误差1×10-4,而且验证实验中的最大输出误差仅为0.0907。表明:火灾气体辨识的人工神经网络方法能有效地识别“火灾”与“非火灾”状态。     

基于小波包能量法的梁结构损伤识别研究

运用小波包能量法对完好的和具有损伤的简支梁进行数值模拟，施加相同的激励，测得结构的响应信号，对信号进行小波包分解，求得各个频段的能量，通过各频段能量的变化进行损伤位置的识别，指出这种方法可以对实际梁结构进行有效的损伤诊断。     

基于能量法的锚杆失效模糊判别方法研究

从能量角度出发,在理想弹塑性土体模型下建立了拉力型锚杆的势能方程,在最小势能约束条件下推导出了锚杆拉拔荷载与锚固体长度的关系解析解,证明了锚杆极限锚固长度的存在,获得了不同土质环境下锚固长度的取值规律及其影响因素。引入模糊理论原理构建了锚杆失效的能量法模糊判别模型,并对模型中的失效隶属函数和临界模糊区间作了具体分析。通过算例,将本文方法与工程实际进行对比,结果表明：本文的计算模型可行有效,能量法模糊判别不仅能对锚杆可靠度做较合理分析,并能对大多数锚杆破坏失效的案例作出解释。     

基于RBF神经网络的结构损伤识别方法研究进展

阐述了径向基神经网络(RBF网络)用于结构损伤识别的工作原理,介绍了国内外学者利用RBF神经网络对结构进行损伤识别的研究进展,从网络输入参数、网络算法、结构建模等方面,分析了该方法的优点和存在的问题,指明了进一步研究的方向。     

混凝土裂缝成因及鉴别

混凝土裂缝的成因鉴别很重要,它涉及到建筑结构能否安全使用的大问题.以工程实践为基础,通过结构理论分析,提出了鉴别常见裂缝及危害裂缝的要点.     

基于Hopfield神经网络的结构优化分析

探讨了Hopfield网络在土木工程优化中应用的途径，并简要介绍了与Hopfield网络密切相关的模拟退火技术，介绍了用于工程结构优化的连续型Hopfield网络的能量函数，该能量函数能够准确地描述结构优化问题。同时，探讨了Hopfield网络用于工程结构优化的机理。然后，研究了基于CHNN的工程结构优化在Matlab上的实践，探讨了网络参数的选取。最后，通过算例表明方法的有效性。     

神经网络在结构损伤识别中的应用

探讨了用神经网络对混凝土结构裂缝进行损伤识别和定位的方法,以一矩形截面悬臂梁为研究对象,通过完好结构和损伤结构的有限元分析,并进行了单处损伤和多处损伤的定位研究,数值仿真结果表明,该方法对于实际工程结构的损伤识别具有一定的指导意义。     

On-line building energy prediction using adaptive artificial neural networks

While most of the existing artificial neural networks (ANN) models for building energy prediction are static in nature, this paper evaluates the performance of adaptive ANN models that are capable of adapting themselves to unexpected pattern changes in the incoming data, and therefore can be used for the real-time on-line building energy prediction. Two adaptive ANN models are proposed and tested: accumulative training and sliding window training. The computational experiments presented in the paper use both simulated (synthetic) data and measured data. In the case of synthetic data, the accumulative training technique appears to have an almost equal performance with the sliding window training approach, in terms of training time and accuracy. In the case of real measurements, the sliding window technique gives better results, compared with the accumulative training, if the coefficient of variance is used as an indicator.     

Real-time automatic crack detection method based on drone

Real-time automated drone-based crack detection can be used for efficient building damage assessment. This paper proposes an automated real-time crack detection method based on a drone. Using a lightweight classification algorithm, a lightweight segmentation algorithm, a high-precision segmentation algorithm, and a crack width measurement algorithm, the cracks are classified, roughly segmented, finely segmented, and the maximum width is extracted. A crack information-assisted drone flight automatic control algorithm for automatic crack detection guides the drone toward the crack position. The effectiveness of the crack detection algorithm and the crack information-assisted drone flight automatic control algorithm was tested on two different datasets, a two-story building, and a 16-m-high shaking table test building. The results show that crack detection can be finished in real-time during the flight. Using the proposed method can significantly improve the MIoU of crack edge detection and the accuracy of maximum crack width measurement under the non-ideal shooting conditions of the actual inspection situation by automatically approaching the vicinity of the crack.     

基于遗传神经网络的公路工程造价估算分析

从影响公路造价的影响因素中提取特征因子为参数,用历史数据为依据,用遗传神经网络建立了公路造价快速估测模型,最后用实例验证了遗传神经网络模型在公路工程造价估测中的优良效果。     

基于神经网络的管道损伤识别分析

利用有限元软件对管道模拟,获得模态参数作为神经网络的输入样本,采用BP,RBF网络的方法对损伤前后的某管道工程进行分析,对比并探讨两种方法在管道损伤识别中的训练结果,实现了对管道的损伤定位和损伤程度的识别。结果表明对于小样本径向基神经网络(RBF)较BP网络有较大的优势。     

基于mexh小波变换的门式框架裂纹识别定位研究

以杭长铁路客专湖南段站房工程中某平面框架为研究对象,将裂纹模拟为带半椭圆形片状的表面裂纹,计算了三种框架损伤工况模型,通过数值计算,验证了裂纹定位识别方法的正确性与有效性。     

基于柔度的损伤识别方法

对结构检测的一般方法作了介绍和总结,利用通用有限元建立数值模型,对基于柔度的损伤识别方法的有效性进行了验证,结果表明该方法能够有效判别结构的损伤位置和损伤程度,可应用于工程检测。     

基于神经网络的结构损伤识别综述

简单介绍了神经网络技术及其分类方法,对使用神经网络进行斜拉桥损伤识别的基本流程进行了详细阐述,并分析了输入向量的选择优缺点,以期促进基于神经网络的结构损伤识别技术的推广应用。     

基于循环神经网络的火灾风险预测及应用

介绍以循环神经网络为基础的火灾风险预测模型。该模型从历史火灾警情、单位及建筑基础信息、消防设施状况、检查与隐患记录等相关数据中提取多维度特征,进行深度学习与模型训练。目前,该模型已在四川省绵阳市试点应用,每季度对绵阳市共4.1万家单位未来90天的火灾风险概率进行预测,并依据预测概率优化“双随机、一公开”单位抽取规则,引导监督人员靶向抽查火灾风险较高的单位。实测结果表明,模型有效提升了日常消防监督检查的精准度。     

基于先验信息的供水管网阻力系数识别

供水管网阻力系数识别是指通过调整管网水力模型中管道阻力系数,使模型计算值与监测值相符的过程。由于实际中监测点数量有限,管网阻力系数识别为欠定的优化问题。现行方法通常采用管道分组这一参数化方法将欠定问题转换为超定,应用遗传算法或其它随机搜索算法求解。提出了基于先验信息的供水管网阻力系数识别算法,所提出算法根据管道管材、管龄等先验信息对管道阻力系数进行估计,并将估计值作为伪观测值引入目标函数将欠定优化问题转换为超定,采用高斯-牛顿算法进行求解。与现有方法相比,所提出算法避免了管道分组不唯一的问题;再者,推导了供水管网阻力系数雅克比矩阵解析式用于搜索向量构造,提高了参数识别计算效率。采用小型管网阐明了雅克比矩阵计算及搜索向量构造,利用大型管网验证了算法的实用性。     

基于人工神经网络的火因认定技术的研究

分析了人工神经网络应用于火灾原因鉴定中的优势,提出了将人工神经网络应用于火灾原因鉴定的设想。     

基于阻抗辨识的复杂空间热网仿真研究

针对供热管网拓扑结构为空间网的特点,采用空间网水力工况计算方法代替传统的平面网计算方法,建立了复杂空间热网的仿真计算模型。应用遗传算法实现了管网阻抗的辨识,介绍了阻抗辨识模型和辨识步骤及遗传算法的实现。通过算例验证了该方法的有效性和实用性。     

基于计算机视觉技术的结构表面裂缝检测方法研究

计算机视觉技术用于混凝土结构表面裂缝检测,具有现场检测方便、效率高、客观性强的特点,但图像数据分析是该技术的核心,其中裂缝提取与定量测量较为复杂。为提高裂缝图像处理效率和准确率,将深度学习和数字图像处理技术相结合,提出一种裂缝检测方法。建立基于深度卷积神经网络的裂缝识别模型,在图像上自动定位裂缝并结合图像局域阈值分割方法提取裂缝。在裂缝宽度定量测量方面,采用双边滤波算法和三段线性变换对裂缝图像进行预处理,提高了裂缝边缘识别的精确度。通过改进边缘梯度法,实现裂缝最大宽度的定位和裂缝最大宽度的自动获取。该研究为全自动识别裂缝图像及高精度测量裂缝宽度提供了一种解决方法。     

混凝土早期弹性模量的预测RBF模型

混凝土的早期弹性模量对施工的进度和工程的可靠度有重要的影响。借鉴RBF神经网络具有很强的非线性映射功能,在测定混凝土早期强度的基础上利用RBF神经网络对其弹性模量进行预测。讨论了RBF神经网络的拓扑结构和修正算法。通过对检验结果进行分析比较,证明了利用RBF网络能对混凝土早期的弹性模量进行精确的预测。