３Ｄ 打印光纤光栅环向应变传感器

本研究基于3D打印即熔融沉积造型技术（Fused deposition modelling, FDM）制造了光纤布拉格光栅（Fiber Bragg grating, FBG）环向应变传感器,通过室内单轴压缩试验验证传感器的测量性能。基于FBG设计的传感器的具有体积小,灵活,成本低,抗干扰性强,抗电磁干扰的特点。通过拉伸标定试验表明,FBG应变传感器的波长与伸长率成线性关系, FBG传感器的灵敏度和最小分辨率分别为0.022 nm/mm和0.114 mm,最大相对误差为1.6％。单轴压缩试验验证了FBG环向应变传感器可用于钢筋、管道等圆柱体结构的环向变形监测。     

土体微位移精准监测研究

基于光纤光栅传感器制备了一种测量土体内部微变形的位移传感器,该传感器主要包括光纤光栅、PVC(Polyvinyl chloride)管和光纤锚固板.标定试验发现,微位移传感器的最小分辨率为0.0083 mm,灵敏度为0.12 nm/mm,可测量的最大位移为7.58 mm.通过边坡模型试验与有限元模拟计算对比研究发现,有限元计算与光纤光栅传感器的结果吻合较好,3个微位移传感器与有限元计算结果分析所得平均误差仅为0.033 mm,平均误差约为6.7％.本研究制备的微位移传感器具有灵敏度高、制备工艺方便、制备流程快捷、使用方法简单的特点,为土体内部微位移的监测提供了一种新型的测量方式.     

基于BP和GA-BP神经网络的混凝土抗压强度预测研究

由于影响混凝土抗压强度的因素众多，且抗压强度与各影响因素之间的关系是一种复杂的非线性问题，采用了机器学习的方法较好地对混凝土抗压强度做出预测，研究采用BP和GA-BP两种神经网络分别对混凝土28 d抗压强度进行预测并进行分析，其中输入层的参数为水泥、炉渣、粉煤灰、水、减水剂、粗骨料和细骨料的用量。结果表明：与BP神经网络式相比，GA-BP神经网络预测值与实测值更为吻合，平均误差率减少了43%，有更好的预测能力。同时研究采用灰色关联算法对输入层进行敏感性分析，表明粗骨料用量的改变对28 d混凝土抗压强度的影响最大，并且在输入层删除敏感性较低的参数后，神经网络的预测效果有进一步提高。研究还通过GA-BP神经网络寻最优值对当混凝土强度达到最大值时，输入层各影响因素的数值进行了预测，为混凝土的抗压强度预测和配合比设计提供了分析方法且该神经网络对试验有较好的导向作用。