高速列车乘坐舒适度评价的概率密度演化方法

利用平稳随机过程的谱表示-随机函数方法,结合轨道不平顺的功率谱密度,模拟生成轨道高低不平顺的代表性样本集合,实现用一个基本随机变量表达轨道不平顺随机过程的目的。以轨道高低不平顺为外部随机激励,建立了车辆-轨道耦合随机动力系统的概率密度演化分析方法,获得高速列车在轨道高低不平顺随机激励下的车体竖向加速度的丰富概率信息。同时,根据旅客乘坐舒适度的UIC513评价标准,对于有砟轨道和无砟轨道线路,分别计算得到高速列车在200 km/h、250 km/h和300 km/h三种速度下的旅客乘坐舒适度。结果表明,轨道不平顺模拟的谱表示-随机函数方法与概率密度演化理论具有一致性,两者结合可为车辆-轨道耦合系统的随机动力响应提供高效精确分析方法,实现旅客乘坐舒适度的精细化计算,进而为高速列车乘坐舒适度评价提供了新途径。     

非平稳随机地震作用的结构整体可靠度分析

应用随机过程的正交展开-随机函数方法,建立了非平稳地震动过程的概率模型,实现了用一个基本随机变量来表达地震动过程的目的。通过选取基本随机变量的代表性离散点集,可以直接获取地震动过程的代表性样本集合。结合概率密度演化理论,进行了多自由度Duffing系统的随机地震反应分析与抗震可靠度计算。研究表明,非平稳地震动过程的概率模型与概率密度演化理论有机结合,可以实现复杂工程结构整体抗震可靠度的精确计算。     

随机海浪过程模拟的随机函数方法

在平稳随机过程模拟的谱表示与正交展开两种经典方法中,通过引入标准正交随机变量的随机函数表达形式,均可实现用一个基本随机变量模拟原随机过程。在此两种模拟方法中,通过选择基本随机变量的离散代表点集来生成随机过程的样本函数集合,进而实现从样本函数集合的角度研究随机过程。应用谱表示-随机函数与正交展开-随机函数对海浪过程模拟分析,均获得较理想结果,并对此两种模拟方法的优缺点进行对比分析。     

基于学习迁移理论的结构力学课程双语教学设计

面向国家建设交通强国的发展目标,交通事业对人才的国际化能力提出了更高要求。推广结构力学双语教学是高等教育培养高水平国际化交通人才的有力措施。首先,概述了华中地区某高校土木工程专业开展结构力学双语教学的可行性;其次,基于学习迁移理论介绍了英语能力和专业基础能力的横向迁移和纵向迁移;再次,分析了结构力学课程内部知识点的纵向迁移;最后,以“叠加法作弯矩图”为例,说明了结构力学双语教学的设计。实践证明：通过采用结构力学双语教学,提高了学生的学习效率,提升了学生专业能力方面的国际化水平。     

联合鲸鱼算法和遗传算法优化GRNN预测斜拉索覆冰厚度

为了预测冬季易结冰区斜拉索覆冰的增长,运用灰色关联分析方法分析斜拉索倾角、温度、湿度、风速、降雨量及气压对斜拉索覆冰厚度的关联影响,明确各影响因素的相关性大小,剔除弱相关性因素;联合遗传算法（GA）和鲸鱼算法（WOA）选择最优光滑因子,提出一种WOA-GA算法优化广义回归神经网络（GRNN）的斜拉索覆冰厚度预测方法。其特点是：以输出值与实际值均方差作为适应度函数,计算每个粒子的适应度值;将GA算法的交叉和变异算子引入WOA算法,同时借助权重更新策略,提升全局寻优的能力,避免WOA算法陷入局部最优解;最后,经过迭代寻优,输出最小适应度值对应的光滑因子,构建GRNN预测模型。结果表明：环境温度相关性最高,其次是倾角、降水量、风速、相对湿度,气压关联度最小,呈弱相关性;相比于传统的GRNN、WOA-GRNN、PSO-GA-GRNN模型,联合鲸鱼算法和遗传算法优化的GRNN覆冰预测模型精度较高,其平均绝对误差百分比仅为3.58%,均方根误差为0.58 mm;采用敏感性分析法评价影响因素对模型精度的影响,发现温度对模型影响程度最大,其次是拉索倾角。     

爆炸引起饱和砂孔压变化规律的室内试验研究

介绍了以雷管作为爆炸动力源,多孔装药爆炸法密实饱和砂的模型试验,实测了饱和砂土体在依次循环爆炸荷载作用下孔隙水压力的增长与消散过程,分析了孔隙水压力的变化规律。试验结果表明,孔隙水压力的增长与消散在沿深度及径向方向上的变化规律具有独特性。同时,对爆炸荷载在饱和砂土体内所引起的液化范围进行了分析,所得结论可为爆炸法处理饱和粉细砂地基的工程设计与理论研究提供参考。     

随机风场模拟的连续本征正交分解-随机函数方法

在时-空随机场的连续本征正交分解(POD)基础上,通过引入正交随机变量集的随机函数表达形式,提出了时-空随机场模拟的连续本征正交分解-随机函数法。基于互功率谱密度函数的连续POD法将时-空随机场表达为有限个本征模态的叠加,实现了对原时-空随机场的高效降阶处理;正交随机变量集的随机函数表达,则实现了仅用两个基本随机变量即可在二阶统计意义上对原时-空随机场的精确描述。与传统的POD方法相比,本方法所需的基本随机变量最少,且生成的脉动风速代表性时程可构成一个完备的概率集;最后,以Kaimal脉动风速谱为例,进行了水平向随机风场的模拟分析,验证了该方法的高效精确性。     

脉动风速过程模拟的正交展开-随机函数方法

在随机过程的正交展开基础上,采用随机函数的思想,提出了脉动风速随机过程模拟的正交展开-随机函数方法。通过将展开式中的一组标准正交随机变量表达为基本随机变量的正交函数形式,实现了用一个基本随机变量来表达原随机过程的目的。应用正交展开-随机函数方法,对脉动风速随机过程进行模拟分析。结果表明,在二阶数值统计意义上,仅需用一个基本随机变量即可对脉动风速随机过程进行精确模拟,进而体现了正交展开-随机函数方法的有效性和优越性。     

非平稳地震动过程模拟的谱表示-随机函数方法

在Priestley演变谱理论的基础上,采用随机函数的思想,建议了一类新的全非平稳过程模拟的谱表示-随机函数方法。在谱表示-随机函数方法中,实现了用2个基本随机变量即可精确表达原随机过程的目的。通过选取基本随机变量的离散代表点集,可以直接由演变功率谱密度函数生成具有给定赋得概率的代表性样本集合。以全非平稳地震动加速度过程的演变功率谱为例,验证了本文方法的有效性和优越性。最后,结合概率密度演化方法,进行了Duffing振子的随机地震反应分析与抗震可靠度计算。     

神经网络预测爆炸密实引起的地表沉降

爆炸密实法用于地基处理已有很长的历史,用此方法处理时所引起的地表沉降是衡量其处理效果的一个重要指标,许多学者提出了引起地表沉降量的统计预测模型。本文尝试建立了预测爆炸密实引起地表沉降的神经网络模型,由于用来训练网络的原始样本太少,难以训练出一个具有高精度的预测模型,为此采用了遗传算法与神经网络相结合的方法,得到了一个只有小样本输入却能得到高精度输出的神经网络模型。对检验样本的预测结果表明,所建立的神经网络模型具有很强的预测能力,其预测精度比已有的统计预测模型高。