基于模态应变能的水工泄流结构损伤识别研究

逐渐积累的损伤会使水工泄流结构中特定部分的质量或刚度损失而引起结构动力特性发生变化,这都将在模态测量中有所反映,以结构模态参数为基础,准确判断泄流结构所存在的损伤(特别是水下部位),对整个泄水建筑物的安全至关重要。以水工泄流结构中的弧形钢闸门及混凝土导墙结构为例,研究了基于结构模态参数的水工泄流结构损伤识别方法,基于单元模态应变能方法对泄流结构不同位置相同程度的损伤以及不同位置不同程度的损伤进行了识别。结果表明,该方法可以准确识别泄流结构的损伤,对基于振动响应的泄流结构无损动态检测及其水下部位隐患诊断具有一定的应用价值。     

基于柔度灵敏度的弧形闸门损伤识别研究

基于柔度灵敏度的结构损伤识别理论,针对柔度灵敏度法在实际工程振动测试中结构柔度矩阵和单元刚度矩阵难以准确获得的问题,提出了一种新的改进算法,优化和减少输入量,以满足其在实际工程应用中的需要。该算法通过提取结构前几阶低阶模态,计算结构柔度矩阵;依次假定各单元发生损伤,构建结构损伤前后柔度改变量矩阵,实现结构损伤的准确识别。以水工弧形闸门为例,开展柔度灵敏度的损伤识别方法研究,数值模拟结果表明:该方法能够较为准确地定位损伤单元,避免对称单元误判的产生,为水工结构实际工程的损伤识别提供了重要的理论依据。     

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle swarm Optimization--multi-objective HPSO)来求解水库调度中的多目标优化模型的不劣解集.通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性.     

最小二乘支持向量机参数反演方法及其应用

针对最小二乘支持向量机(LS-SVM)参数不易确定的问题,利用遗传神经网络模拟LS-SVM计算结果与参数之间的关系,提出了一种基于遗传神经网络(GA-BP)的参数选择方法,该方法利用正交分解法构建训练参数组,并将参数组代入最小二乘支持向量机以获得计算输出值,然后将计算输出值与训练参数组代入遗传神经网络进行训练并获得合适的LS-SVM参数。最后以土石坝渗流分析为例进行验证,结果表明该方法对优化选择最小二乘支持向量机参数十分有效,预测精度可达10-4。     

基于粒子群最小二乘支持向量机的径流预测

为了处理好径流模拟预测中的确定性和随机性影响因素,提出了粒子群算法PSO(Particle Swarm Opti-mization)优化最小二乘支持向量机LS-SVM(Least Square SVM)参数的径流预测模型。PSO算法能够基于群体智能进行随机优化,计算简单易于实现且具有更强的全局优化能力。利用参数优化前后的LS-SVM模型,对新疆伊犁河雅子渡站23 a实测径流进行模拟,并对径流进行预测,结果表明,该模型收敛速度和预测精度令人满意。     

外激励作用下基于相关应变变化率的薄板损伤研究

以相关应变变化率作为识别参数,以弯曲薄板为研究对象,采用改变单元厚度的方法模拟结构损伤,应用有限元对结构进行外激励作用下的瞬态分析。瞬态分析以单元处相关应变变化率突变值,作为损伤定位和损伤程度判断。结果表明相关应变变化率对于结构的损伤的敏感性强,易于定位。在此基础上给出了通过相关应变变化率直方图进行损伤识别定位的新方法,识别效果明显。     

基于果蝇优化算法的LS-SVM的大坝变形应用

针对大坝变形值具有随机性和非线性的特性,将FOA算法所具有的全局寻优、计算快捷等优点与LS-SVM在非线性系统预测方面的优越能力相结合,构建优化模型。通过实例分析计算,并与BP神经网络、标准LS-SVM模型进行比较,结果表明,优化模型具有较好的全局预测精度和较强的预测能力;同时验证了优化模型在大坝变形预测中的可行性和有效性。     

基于加权最小二乘的结构模态参数与损伤识别

为提高利用最小二乘进行模态参数识别的精确度,提出了分频段加权最小二乘模态参数及损伤区域识别方法。分别基于各频率段能量和普通克里金插值作为权值,加权计算模态参数。将此方法应用于识别时变系统,用于Koyna混凝土重力坝在地震作用下损伤识别中。结果表明,识别的固有频率时程曲线可以准确地对结构损伤情况进行描述,根据坝体观测点在初始和损伤结束时刻的响应信号识别的归一化振型可以对结构损伤进行定位。该方法可以较大地提高结构模态参数的识别精度,并且准确地识别结构的损伤区域。     

PZT-混凝土结构裂缝监测敏感因子提取试验

结构损伤识别是混凝土结构健康监测的核心技术之一,其结构损伤识别特征参数的选取非常重要。文中以代表性较强的压电陶瓷材料(锆钛酸铅即PZT)为例,分5组工况,即1组健康工况,4组损伤工况对混凝土梁进行了裂缝损伤识别试验,并分析了各损伤工况下信号参数随损伤程度的变化情况。提取到信号的幅值、主频以及相位3个参数可作为判定结构损伤的情况,其中信号的幅值对混凝土结构裂缝损伤较为敏感且能预测损伤的发展趋势。结果表明,监测信号的幅值,可作为判断结构健康状态及损伤程度的敏感因子,结构损伤愈大,信号的衰减程度愈大。     

混合粒子群算法在水库中长期发电优化调度中的应用

针对传统粒子群算法(PSO)早熟收敛、局部搜索能力不足等问题,提出一种混合粒子群算法(HPSO)求解水库优化调度问题。该算法引入混沌思想的遍历性特点生成初始解,提高初始种群质量;采用自适应惯性权重法平衡个体搜索行为,避免陷入局部最优。百色水库中长期发电优化调度实例研究表明,HPSO比PSO有更好的收敛性和优化结果,同时计算时间较传统动态规划方法大幅缩减,且优化结果相近,是一种水库优化调度可供选择的计算方法。     

基于VMD的抽水蓄能机组振动参数演化预测

提出了一种基于移动最小二乘响应面和变分模态分解（Variational mode decomposition,VMD）的抽水蓄能机组振动参数演化预测方法。首先利用移动最小二乘响应面建立抽水蓄能机组振动参数实时评估模型。然后利用VMD将复杂非线性的机组振动参数时间序列分解若干个平稳分量时间序列。其次对每个分量进行特性识别,根据其不同属性,分别采用LS-SVM或GM（1,1）对每个分量进行预测。最后重构每个分量的预测值获得原始时间序列最终的预测结果。实例分析表明,该方法能较准确地预测机组振动参数演化趋势。     

灰色最小二乘支持向量机在灌溉用水量预测中的应用

根据灰色理论(grey model,GM)所需原始数据少、建模简单、运算方便等优势,以及最小二乘支持向量机(least square support vector machine,LS-SVM)所具有的泛化能力强、运算速度快、非线形拟合精度高、参数优化好、小样本等优点,建立了灰色理论和最小二乘支持向量机组合预测模型,并将此模型应用于灌区用水量预测中。预测结果与实际结果吻合良好,验证了所提出组合方法的有效性和实用性,可以作为灌溉用水量预测的有效工具。     

卸荷土体力学模型参数的智能识别

在遗传算法中引入了位爬山法,有效地改善了遗传算法的局部优化能力,提高了优化速度与精度。采用此改进的遗传算法对基坑土体卸荷力学模型参数进行大范围识别,实现了参数空间内全局意义上的搜索。以200 kPa围压下土体真三轴卸荷试验为例,将试验结果与不同识别方法的结果进行了对比。分析了多样性测度、蠕变变异率和突变变异率对算法收敛精度的影响。得出如下结论:为了全面的了解基坑土体的特性,对不同位置的土体进行全面的试验研究是有必要的;利用改进的遗传算法进行参数识别,识别精度更高,能更好描述土体的力学性能,有利于基坑安全性分析与评估。     

基于模糊LS-SVM算法的大坝变形预测模型

在大坝工程变形分析和预测方面,研究了一种基于支持向量度的模糊最小二乘支持向量机(LS-SVM)算法,结合具体实例进行对比分析,结果表明模糊LS-SVM模型的预测精度要高于LSSVM模型,且支持向量机(SVM)的稀疏性也优于LS-SVM模型,可以很好地应用于大坝变形监测分析.     

概念性水文模型遗传算法多目标参数优选研究

简要介绍了概念性降水—径流模型的多目标参数优选方法,以新安江模型为例,从Pareto支配法（Pareto Domination Approach）原理出发讨论了四目标函数情形下Pareto最优参数空间（Pareto Optimal Set）的Pareto优先排序（Pareto Preference Ordering）求解策略。通过对汉江上游江口流域降水—径流的新安江模型的模拟检验,证明该方法能够为模型提供全局最优参数,好于传统的单目标参数优选结果。     

潜流式人工湿地的数值模拟与参数率定

摘要：本文以沈阳辉山明渠河口潜流式湿地为例，探讨了利用数值模拟预测湿地运行效果以及参数率定的方法。采用多孔介质的水流与溶质运移耦合模型，通过对湿地模型的概化与处理，利用FEFLOW软件针对潜流基质层水流和溶质扩散进行了数值模拟，通过敏感度分析确定基质层的孔隙度、渗透系数、弥散系数和吸附降解系数为影响污水处理效果的敏感参数，并通过参数率定对所建立的湿地模型进行了模拟预测，结果证明所构建的湿地模型的预测值与观测值拟合程度较好，从而为潜流式人工湿地设计中运行效果预测及参数设定提供了一种新的有效方法。     

基于耗散结构理论和灰色关联熵的水资源系统演化方向判别模型研究

水资源系统是一耗散结构，本文以水资源量作为序参量，来描述水资源系统的有序性和演化方向。依据协同学理论，水资源系统要维持有序就要求经济、社会、生态子系统相互协调，系统序参量之间相互协同。应用耗散结构理论和灰色系统理论，把灰关联度与熵结合起来，以序参量为基础，建立了基于灰关联熵的水资源系统演化方向的判别模型，为水资源系统分析提供了新方法。并将该模型应用于黄河流域水资源系统的演化评价，为实施临界调控提供了依据。     

回归支持向量机模型及其在年径流预测中的应用

研究交叉验证（CV）SVR年径流预测模型,以云南省清水江革雷站为例进行实例分析。利用SPSS软件选取年径流影响因子,确定输入向量;采用CV方法搜寻SVR惩罚因子C和核函数参数g,构建CV-SVR多元变量年径流预测模型,并构建GA-BP、传统BP模型作为对比模型。利用所构建的模型对实例进行预测。结果表明：CVSVR模型对实例后15年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.4596%、9.3035%,预测精度和泛化能力均优于GA-BP、传统BP模型,表明CV能有效搜寻SVR惩罚因子C和核函数参数g。CV-SVR模型具有预测精度高、泛化能力强以及算法稳定等特点。     

多智能体遗传算法用于马斯京根模型参数估计

将智能体对环境的感知和反作用的能力与遗传算法的搜索方式相结合提出了一种改进的多智能体遗传算法，用于马斯京根模型的参数估计。该方法中每个智能体代表一个候选解并固定在网格上，为了增加自身能量，它将与其邻域的智能体进行合作或竞争，也可以利用自身的知识进行自学习来增加能量，通过这些智能体与智能体间的相互作用来达到优化模型中参数的目的。应用实例表明，该算法同其他算法相比具有更好的优化性能，从而为准确估计马斯京根模型参数提供了一种更为有效的方法。