混凝土梁板类构件边界条件识别与研究

采用动力学方法进行结构损伤诊断和参数识别时,结构的边界条件对其动力性能有较大的影响,为模拟实验条件,提出了合理的假定,并在此基础上,分析采用牛顿法和遗传算法对混凝土梁板类构件的边界参数进行了识别,正确地描述了边界条件,最后比较了两种方法各自的优缺点。     

震后钢管混凝土结构损伤识别现状及展望

介绍了钢管混凝土结构损伤识别的研究现状,对现有文献中的损伤识别方法进行了评述,并对该领域在理论和实际应用中存在的问题进行了讨论,最后指出了震后钢管混凝土结构损伤识别研究的发展方向。     

基于模态曲率改变率与神经网络的桥梁损伤识别

将模态曲率改变率和BP神经网络理论相结合,提出了桥梁结构损伤识别的新方法,据此识别结构损伤位置和损伤程度,并以一简支梁结构和一座连续梁桥为例进行了损伤识别.计算结果表明,该方法可以获得令人满意的识别精度.在结构参数化有限元模型存在误差的情况下,该方法仍然可以获得较好的识别效果,可应用于复杂桥梁结构体系的损伤识别.     

基于神经网络的结构边界条件识别和损伤诊断

结构边界条件识别和损伤诊断，对于实验室条件下研究结构的动力特性具有重要的实用价值，本文提出了以子网为基础的分区组合式神经网络模型，并以钢筋混凝土梁在静力作用下的挠度作为特征参数，实现了结构的边界条件识别和损伤诊断。     

一种基于实测模态参数的结构损伤诊断方法

本文提出了一种利用实测结果固有频率与振型诊断结构损伤大小和位置的方法，并提出了一种能抑制测试误差对诊断准确性影响的正则化技术求解质量和刚度损伤诊断方程，以三根模型的损伤诊断实例说明了本方法的有效性。     

基于动态测量数据损伤定位识别的比较研究

动态测量数据经模态分析可得到结构动态参数,通过结构动态参数的变化能识别土木工程结构中的损伤.利用模态柔度、曲率模态和模态柔度曲率3种损伤定位识别方法的基本原理,以模态柔度差、曲率模态差和模态柔度曲率差为识别参数对简支梁结构损伤定位进行了数值模拟的对比分析.结果表明,当结构单处损伤时,3种参数均能有效识别损伤位置,当结构多处损伤时,曲率模态差和模态柔度曲率差比模态柔度差具有更好的识别精度.     

基于BP神经网络的地下结构损伤识别研究

随着地铁等地下工程建设规模的扩大与发展,对地下工程结构的损伤诊断及其安全性评价已成为亟待解决的重要问题。提出了一种基于BP神经网络的地铁地下工程结构损伤识别方法,定义结构的曲率变化率,并将其作为BP神经网络的输入标量,采用降低单元弹性模量E的方法来模拟结构的损伤位置和损伤程度,通过设定地下结构各部位的损伤程度,将结构的前4阶曲率变化率作为BP神经网络的输入。结果表明:利用BP神经网络的方法能够准确地识别出地下工程结构的损伤程度,能方便、有效地解决地下工程结构的损伤识别问题。     

基于损伤力影响线的静定梁损伤识别研究

针对应用最为广泛的静定桥梁结构,提出利用损伤力影响线进行结构多处损伤识别的方法.当静定梁结构损伤时,损伤前后的位移残差可视为在损伤单元处作用损伤等效力产生的影响线,故可利用影响线的拐点来识别结构的损伤部位,通过影响线峰值直接识别单元损伤程度,从而避免复杂的反演识别计算.利用位移互等定理和有效独立法对测点布置进行研究,指出仅采用一个位移测点即可识别多处发生的损伤.数值计算的结果表明:该方法能够识别静定梁结构的多处损伤,且对测量误差具有一定的免疫力.     

一多层框架结构模型的动力测试与分析

基于结构动力特性改变的损伤识别技术是结构健康监测的核心问题,建立一个验证各种损伤识别方法的试验平台是结构损伤识别研究所必需的.首先,设计了一个钢框架结构.其次,建立该结构的有限元模型,并进行动力分析.最后,实现该模型的动力测试,并对结构模态参数进行识别,识别得到结构的8阶频率和振型.该结果表明,理论的解析模型同实际模型间存在一定差异,因此有必要进行有限元模型修正.     

模态分析法在建筑结构损伤诊断中的应用研究

综述了建筑结构损伤评估的研究现状,着重论述了结构损伤诊断的各种方法,并对其作了简单的评价.基于建筑结构的特点,分析了振动模态分析法在建筑损伤诊断中应用较少的原因,并对将来的研究方向提出了几点建议.     

板结构裂纹损伤诊断研究

分析了板结构的裂纹损伤动力特性并研制了损伤诊断方法。首先以四边固支板结构为例进行裂纹损伤的动力特性分析,进而比较了裂纹损伤与局部损伤之间的联系与区别,以此为基础提出了裂纹损伤诊断的方法,并以一阶振型变化率为损伤标识量提出了裂纹损伤诊断步骤。最后应用提出的损伤诊断方法对含裂纹损伤的周边固支圆板结构进行了损伤诊断,结果显示该方法是有效的。     

Taylor幂法则模型的遗传算法最优拟合研究

Taylor幂法则模型是研究种群空间格局的重要工具之一，其拟合方法通常采用对数线性化－最小二乘法求得a、b值．这种方法显然不是最优的，本文首次用遗传算法最优拟合该模型，并比较了各种方法的拟合结果，证明遗传算法筒单、精确，优于其他拟合方法．     

基于应变能和隶属度的结构损伤识别研究

为了解决测量噪声等引起的损伤识别结果不确定问题,提出了一种基于模态应变能和隶属度的损伤识别方法.首先描述了云模型的基本理论及其数字特征;然后给出了基于模态应变能的计算公式及其损伤指标,即模态应变能耗散率指标和模态应变能等效指标,并将两种指标作为云模型的相关参数;最后对逆向云发生器和云模型数字特征估计值进行了分析,并基于隶属度函数等量优化原则提出了一种应变能隶属云损伤识别方法,并利用了Udwadia方法来模拟产生随机试验测量数据,采用了多次测量产生的不确定数据进行了损伤识别研究.数值算例结果表明,提出的应变能隶属云方法可以较好地处理测量噪声引起的不确定问题,其对含噪数据的识别结果明显优于单纯的模态应变能耗散率指标和模态应变能等效指标.     

损伤对板结构振型影响的研究

分析了板结构的局部损伤对结构的低阶以及高阶振型的影响。假设损伤后的低阶振型为原振型乘以修正函数,采用附加刚度描述结构局部刚度的下降,从连续振动方程推导修正函数的形式,并对修正函数进行分析。分析结果表明,板结构的一阶振型具有更好的损伤定位性能,适合应用于构造损伤标识量。     

基于遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具 ,遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法 ,并设计出了相应的数据挖掘系统 ,且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用 ,文中还提出了格雷———浮点编码法。     

粒子群优化算法在图像边缘检测中的应用

通过分析研究传统的边缘检测方法,提出了应用粒子群优化算法对边缘检测模板系数进行优化,试验结果表明,该方法利用个体在解空间中的随机速度来调整位置,具有很强的随机性,检测结果比传统方法效果好,鲁棒性好,比其他优化算法方便,没有遗传算法交叉变异等复杂过程.     

图像分析技术在农作物污染损害鉴定中的应用

农作物损害表症的快速识别对防止农作物受损、提高农作物的产量以及在农业生产中反应指示、预警潜在农作物污染损害行为，减低污染对农作物生长和农产品质量安全的威胁具有重要意义。随着图像处理技术的快速发展，基于图像处理技术的分析方法实现了对农作物损害快速、准确的无损检测与识别，本文对该方法在农作物病害、虫害、草害、污染胁迫、气象灾害和营养缺素6种逆境条件下的研究和应用进行综述，并对农业环境损害鉴定中污染损害识别研究现状进行总结，认为基于图像分析的农作物污染胁迫识别系统的研发在农业环境损害司法鉴定中有很好的应用前景，值得进一步深入探索和研究。     

小U型渠道砼衬砌结构冻胀破坏监测试验设计

主要针对小U型渠道砼衬砌结构冻胀破坏监测的试验方案进行探讨性的设计．首先对主要试验参数的监测方法进行了全面的论述,其次就依据本设计进行试验监测时,可能存在的问题及预防措施进行了简要分析,同时提出了渠道衬砌结构冻胀损伤诊断．最后监测试验方案是基于笔者对田间灌溉渠道砼衬砌结构冻胀破坏监测试验的研究和理解进行设计的．     

杉木人工林胸径的Weibull分布及其最优拟合研究

运用遗传算法最优拟合Ｗｅｉｂｕｌ分布,研究杉木人工林胸径分布规律。结果表明,最优拟合的Ｗｅｉｂｕｌ模型拟合杉木人工林胸径分布的接受率达８０％以上,证明遗传算法是非线性模型的一种有效拟合方法。     

Subset selection from multi-experiment data sets with application to milk fatty acid profiles

The development of routine analyses to allow for the handling of large amounts of samples and to avoid cost and time expensive analytical techniques is of high value. These routine analyses most often require calibration using the detailed analyses as reference values. A representative subset reflecting the complete range of the variables of interest is required for this purpose. In this paper this subset selection problem is tackled for multi-experiment data sets. Conventional techniques such as the Kennard and Stone algorithm and OptiSim are compared to a new approach based on Genetic Algorithms. The challenge here is to find an adequate objective function and to modify the standard crossover and mutation operators to keep the number of desired samples fixed. These techniques are applied on a data set containing the concentration of 45 fatty acids, determined by a simplified reference method, in 1033 milk samples, stemming from six different experiments. The objective is to select a subset of 100 samples in which each of the six different experiments is sufficiently represented. While there is no obvious way to generalize the conventional methods for multi-experiment data sets, this can quite easily be accomplished for Genetic Algorithms by modifying the objective function. Our results indicate that Genetic Algorithms are very capable of handling the subset selection problem for multi-experiment data sets.