混凝土坝位移FEM-HST混合预测模型研究

开展大坝安全监控模型的研究可以对监测异常值进行预警,有助于监测大坝的运行状态,保障其安全运行。本文基于混凝土坝的监测数据,结合有限元（FEM）分析和传统的混凝土坝位移统计分析（HST）,建立混凝土坝长期运行位移FEM-HST混合预测模型,其中水压分量通过有限元计算获得,有限元模型的材料参数根据实际测点监测数据反演得到;温度分量采用简谐温度模型;时效分量采用时间的线性函数和对数函数的线性组合统计模型。所建立的FEM-HST混合模型显著改进了HST模型的预测精度和稳定性,可反映大坝和地基的结构和材料特性,能够更好预测极端荷载工况下大坝的位移,这有助于监控大坝在极端工况下的工作性态。     

基于Bootstrap和ICS-MKELM算法的大坝变形预测

传统大坝预测方法难以适应坝体变形序列的高维非线性特征,且仅能以点值的形式预测大坝变形,未能有效量化由数据随机噪声、输入样本的主观确定、参数的随机选择等引起的结果不确定性。针对上述问题,提出了基于Bootstrap和改进布谷鸟优化多核极限学习机(ICS-MKELM)算法的大坝变形预测模型,实现在精确预测大坝变形点值的同时,通过区间形式量化预测值的不确定性。首先,建立基于高精度多核极限学习机(MKELM)的大坝变形预测模型,该模型集成了核极限学习机(KELM)高效处理强非线性回归问题的优势和混合核泛化、学习能力强的特点,同时采用基于惯性权重和混沌理论改进的布谷鸟搜索(ICS)算法对多核极限学习机中核参数及正则系数进行优化,弥补模型易陷入局部最优的不足;其次,引入Bootstrap区间预测方法对模型和数据造成的不确定影响进行量化;最后,将所提模型应用于某实际大坝工程的变形预测,分析了不同训练样本数对模型预测精度的影响,同时通过与五种常用的预测算法进行对比,验证了本文模型具有一致性和优越性。     

混凝土坝变形的长期预测模型与应用

变形预测对混凝土坝的安全运行和风险管控意义重大,针对现有方法难以实现长期精准预测并且建模困难等问题,采用多元回归(MR)模型将变形序列分解为水压、温度、时效和余项分量,引入季节差分自回归移动平均(SARIMA)模型对余项中的非稳定不规则信号进行信息挖掘,以此建立混凝土坝变形的长期预测模型.实例分析表明,该模型相对简单易...     

TVAC-PSO算法在光伏最大功率点追踪中的应用

在局部阴影遮挡条件下,光伏列阵P-U输出特性曲线呈现非线性多个极值点。在应对多峰值非线性曲线时,传统算法容易失效。而粒子群算法因设置参数少、收敛速度快、适应性好等特点而常被应用于复杂非线性多峰值寻优,但传统粒子群算法在应对动态环境时,更易陷入局部最优极值。对此提出一种时变加速系数粒子群算法(TVAC-PSO),引入时变加速系统学习因子和惯性权重,以提高其准确性和加快收敛速度。通过搭建光伏MPPT模型,将传统粒子群与TVAC-PSO算法进行对比并仿真。     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法(PSO).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.     

考虑实时施工质量因素的高心墙堆石坝沉降变形分析

现有将高心墙堆石坝沉降分析统计模型分为填筑因素、时效因素与水压因素的研究通常将坝体同一分区视为均质体,缺乏考虑大坝碾压施工质量差异导致填筑体非均质性对沉降变形影响的研究,因此从高心墙堆石坝填筑体受力变形分析出发,分析了考虑实时施工质量因素影响的填筑因素和时效因素,并结合水压因素,建立考虑实时施工质量因素的高心墙堆石坝沉降变形分析模型。针对高心墙堆石坝沉降变形过程的动态性,将该多参数非线性模型与M5’模型树相结合,利用M5’模型树解决全局非线性问题的优势,结合粒子群算法求解多参数问题速度快、收敛快的优点,实现对高心墙堆石坝沉降过程的拟合与预测,并与未考虑实时施工质量因素的传统分析模型以及多元线性回归分析模型进行对比。分析结果表明,考虑实时施工质量因素的高心墙堆石坝沉降变形分析模型的绝对差值与误差平方和均最小,而各模型关联度差异较小,模型综合指标最优。考虑实时施工质量因素的高心墙堆石坝沉降变形分析为客观分析大坝沉降提供了可靠的途径。     

基于多维气象信息时空融合和MPA-VMD的短期电力负荷组合预测模型

为提高电力负荷预测精度,需考虑区域内不同地区多维气象信息对电力负荷影响的差异性。在空间维度上,提出多维气象信息时空融合的方法,利用Copula理论将多座气象站的风速、降雨量、温度、日照强度等气象信息与电力负荷进行非线性耦合分析并实现时空融合。在时间维度上,采用海洋捕食者算法(MPA)实现变分模态分解(VMD)核心参数的自动寻优,并采用加权排列熵构造MPA-VMD适应度函数,实现负荷序列的自适应分解。通过将时间维度各分量与空间维度各气象信息进行融合构造长短期记忆(LSTM)网络模型与海洋捕食者算法-最小二乘支持向量机(MPA-LSSVM)模型的输入集,得到各分量预测结果,根据评价指标选择各分量对应的预测模型,重构得到整体预测结果。算例分析结果表明,所提预测模型优于传统预测模型,有效提高了电力负荷预测精度。     

基于改进粒子群算法与支持向量机的变压器状态评估

支持向量机(SVM)能较好地解决小样本、非线性特征的多分类问题,适用于电力变压器运行状态评佑,但参数选择时分类效果有着显著影响.利用改进的粒子群算法(PSO)对支持向量机(SVM)参数进行寻优,通过引入收敛因子、惯性因子动态化和自适应杜子变异三种方法对传统的PSO算法进行改进,从而获得最佳的分类模型.该模型以变压器油中...     

永磁球形电机的支持向量机模型的参数寻优

提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数寻优算法。     

考虑可逆分量的解析Preisach磁滞模型及其特征参数辨识算法

基于洛伦兹函数的解析Preisach模型具有形式简便、分布函数易于确定等优势,但如果考虑可逆磁化分量,模型的复杂程度和参数会显著增加,导致用于传统模型参数辨识的解析或神经网络等方法不再适用。为此,首先通过引入可逆磁化分量,构建一种考虑可逆分量的解析Preisach模型;然后,分析了各个特征参数对磁滞回线形状的影响规律,并且结合循环迭代法与粒子群算法,提出一种针对考虑可逆分量解析Preisach模型的特征参数混合寻优算法;最后,将所提磁滞模型及其参数辨识算法得到的磁滞回线计算值与实测值进行对比。结果表明,该模型及其参数辨识算法的最大平均相对误差为4.49%,验证了该方法的准确性和有效性。     

溪洛渡拱坝内部温度预测的串并混联融合模型

准确、可靠、高效地预测反映大坝工作性态的关键变量对大坝安全建设与运行具有重要作用。本文针对大坝全过程温度场分析预测问题,构建了机理与数据驱动的串、并混联式融合模型,以溪洛渡大坝工程为例对大坝内部温度进行了预测建模。在串联融合中,采用营地链方法及主成分分析的辅助技术对大坝材料的热传导系数进行反演分析,以获得经参数优化后的机理模型响应输出。在并联融合中,利用解释因子法以及线性-高斯模型,建立了从优化的机理模型到实际监测数据的预测模型。试验表明,解释因子串并混联融合模型受益于机理模型的解释能力及线性-高斯模型的预测优势,可对测试数据的波动做出较准确的预测,并具中长期预测优势。串联模型相对于原始机理模型的整体预测误差缩减了13%,串并混联模型相对于串联模型的预测误差缩减了81%。     

不利结构面对高拱坝整体稳定影响及加固分析

坝肩稳定是高拱坝长期安全稳定最重要的问题之一,针对坝肩不利结构面的合理加固对保障高拱坝整体稳定至关重要。在复杂地基条件下,高拱坝整体稳定经常面临不利结构面的潜在影响,如坝肩抗力体内的滑块稳定性、断层及软弱带引起拱端变形、传力不协调等。结合实际工程,基于地质力学模型试验和三维非线性有限元成果,本文就坝肩不利结构面加固前后对高拱坝整体稳定影响进行分析,并总结了高拱坝四类典型不利结构面分布条件下的加固措施。研究成果可为类似工程整体稳定与加固分析提供参考。     

基于广义塑性模型的高心墙堆石坝反演计算分析

高堆石坝工程在填筑、蓄水和运行过程中,堆石料常经历复杂多变的应力路径,它所表现出的各向异性和颗粒破碎对其力学特性有明显的影响。采用现有的方法计算高堆石坝变形误差大,其主要原因是目前本构模型在反映堆石料的本质特性方面有待完善。本文构造了各向异性状态参量,定义了参考各向异性状态参数替代基于固定临界状态线的状态参数,可将各向异性、颗粒破碎、复杂应力路径的影响综合考虑到与参考状态线的相对空间位置中。基于参考各向异性状态参数,发展了考虑各向异性和颗粒破碎的堆石料弹塑性本构模型。最后,采用所发展的堆石料广义塑性模型MPZR对已建的糯扎渡高心墙堆石坝进行了应力变形有限元计算分析,并与堆石体内测点的监测值进行对比,验证了模型的可靠性和实用性。     

特约文章：高混凝土坝长期变形特性计算模型及监控方法研究进展

The total number, maximum height and engineering scale of concrete dams in China rank the first in the world, and their long-term safety is a focus of public attention. Deformation is a comprehensive performance of concrete dam structures, especially the long-term deformation, a key index for evaluation of the structure behaviors, health status, and their evolution of a dam in long-term service. This paper summarizes the state of arts in creep calculation models for dam concrete and foundation rock and in the methods and models for safety monitoring and early warning of high concrete dam long-term deformation, based on analysis of the latest construction of concrete dams in China and concrete dam failures caused by long-term dam deformation. To ensure the safety of concrete dams in long-term service, future studies should focus on three issues: evolution of structure performances under the coupling effect of multi-factors, long-term structure deformation behaviors under the coupling effect of multi-fields, and evaluation of performance improvement under reinforcement measures.     

大坝变形预测的最优因子长短期记忆网络模型

面对海量的大坝安全监测数据,快速合理地确定大坝变形预测模型的变量因子能够有效提高模型预测的效率和精度。为此,本文提出一种基于最小绝对值收缩和选择算子（least absolute shrinkage and selection operation,LASSO）变量选择和长短期记忆（long short-term memory,LSTM）网络的大坝变形预测模型。首先,通过大坝变形机理分析确定影响大坝变形的相关影响因子集。然后,通过LASSO算法剔除不显著的因子,筛选出最优影响因子作为模型输入变量,并利用LSTM网络建立大坝变形预测模型。最后,以皂市水利枢纽工程的碾压混凝土重力坝为例,对本文方法进行了验证和讨论。结果表明,本文方法具有较高的预测精度,其平均绝对误差（MAE）、均方误差（MSE）与均方根误差（RMSE）均相对较小;与常规预测模型相比,基于LASSO算法的变量选择使模型建立过程更加简单高效,有利于海量监测数据的处理分析。     

土石混合料固结流变试验研究

堰塞坝料大多为土石混合料且具有级配分布范围较宽的特点,其流变变形将影响堰塞坝的长期运行安全.本文选择典型的反映宽级配特征的三组试验材料,采用大型固结仪开展固结流变试验.根据试验结果,分析了竖向应力对流变应变的影响规律,发现流变应变随竖向应力的增大呈对数趋势增大,且在高应力范围内应力增大时流变变形增量更为显著;探讨了级配...     

基于微平面模型的切口重力坝试验数值模拟

微平面模型是近年新提出来的一种材料本构模型,可以较好地描述混凝土发生开裂以后的应变软化行为。本文为了探讨微平面模型在大型水工结构分析方面应用的可能性,尝试性地采用M3版微平面模型,对常规自重应力场作用下的切口重力坝和人工静荷载作用下的切口重力坝试验进行了数值模拟。计算结果表明,微平面模型对于切口重力坝和人工静荷载作用下的切口重力坝试验的P_d曲线模拟较好,同时对混凝土开裂方向的模拟和试验结果也比较一致,在大型水工结构数值分析方面,微平面模型具有一定的实用性。     

动态扰动下高心墙堆石坝无人碾压BOA-PID循迹控制北大核心CSCD

无人碾压机精准循迹控制对确保压实质量意义重大。然而,高心墙堆石坝具有坝料粒径分布广且松铺厚度不均匀等特征,导致坝面不平整且异质性强,对无人碾压机循迹控制造成动态扰动。传统的比例积分微分(proportion integral derivative,PID)控制算法采用固定参数进行纠偏控制,难以快速纠正动态扰动导致的循迹偏差。针对上述问题,本文以蝴蝶优化算法(butterfly optimization algorithm,BOA)动态优化PID控制参数,提出BOA-PID无人碾压机循迹控制方法。首先,构建车身倾斜模型以修正坝面不平整条件下无人碾压机的定位误差;其次,基于运动学模型动态预测无人碾压机的纠偏距离;再者,以最小化纠偏距离为目标函数,采用BOA动态优化PID算法的比例、积分和微分参数;最后,以参数优化的PID计算无人碾压机的转向控制量,从而克服动态扰动,实现高心墙堆石坝复杂条件下的快速纠偏。本文结合中国西南两河口大型水利水电工程开展仿真与实地实验,以验证所提出方法的有效性和先进性。结果表明,BOA-PID的纠偏能力优于GA-PID(genetic algorithm)、PSO-PID(particle swarm optimization)、DA-PID(dragonfly algorithm)和传统PID,且所提出方法能够实现高心墙堆石坝复杂条件下无人碾压机的精准循迹控制,堆石料(4.44 cm)和心墙料(3.32 cm)碾压的平均循迹误差均小于5 cm。