FRP约束高强混凝土轴心抗压强度的计算方法

建立了一个用于估算FPR加固混凝土轴心抗压强度的数学模型, 该模型引入了FRP强度发挥系数(套箍发挥系数). 实验结果表明, 混凝土达到极限强度时, FRP并未达到极限强度, 其强度发挥系数在0. 28～0. 59之间, 与FRP的弹性模量有关. 该计算方法可用于估算FRP加固混凝土的轴心抗压强度, 其理论计算强度高于实测强度10%～30%, 偏差主要来自FRP与混凝土的界面粘结状况不理想及混凝土抗压强度数据的离散性等.     

一种神经网络模型在混凝土配比设计中的应用

本文描述了人工神经网络的模型和算法，给出了BP神经网络模型和算法的相关变量的处理方法。用这种方法，对混凝土配合比试验数据进行分析预测，效果良好。说明BP神经网络模型可用于混凝土混合比强度预测中。     

BFRP加固钢筋混凝土梁的加固效果(英文)

通过改变加固的层数、横向锚固方式以及加固梁的初始条件,对比CFRP和GFRP的加固效果,对BFRP加固钢筋混凝土梁开展了实验研究.研究结果表明:相比1层BFRP,2层BFRP能明显提高加固梁的强度和刚度;BFRP的加固效果介于CFRP和GFRP之间;混凝土的初始裂缝对BFRP加固效果影响很小.试验中加固梁的失效形式多为弯曲裂缝引起的界面剥离破坏.从提高加固梁的极限承载力来看,沿全梁粘贴U形箍的锚固方式不如端部锚固效率高.最后,将5个加固指导规程中给出的CFRP剥离应变计算公式推广到BFRP加固中,得到保守的计算结果.     

基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型（英文）

为精确地预测电主轴高速运转时内部温升的变化情况,提出了一种基于自适应粒子群优化BP神经网络的电主轴温度预测模型(APSO-BPNN).该模型在PSO-BPNN算法的基础上,引入自适应惯性权重,使权重跟随粒子适应度的变化而变化;采用自适应学习因子,在算法的初期和后期获得不同的搜索能力;融入变异算子,增加种群的多样性,避免算法的早熟收敛等缺点.然后,分别采用BPNN、PSO-BPNN和APSO-BPNN预测模型对电主轴不同测温点的温度进行预测.实验结果表明,与传统的BP神经网络和PSO-BPNN预测方法相比,所提APSO-BPNN模型预测精度最高,鲁棒性最强,可为电主轴及机床温升的智能控制和早期预警系统开发提供理论依据.     

干湿交替与荷载作用下CFRP加固混凝土梁的耐久性

对8根持载与恶劣环境作用后的碳纤维增强聚合物(CFRP)加固混凝土梁进行了试验研究.梁的尺寸为1700 mm×120 mm ×200 mm.首先采用4点分加栽方式对梁进行预裂,卸载后粘贴CFRP片材,然后放入腐蚀环境.影响因素考虑了干湿交替与持载水平(持载水平分别为30%和60%混凝土梁极限荷载).分析了干湿交替单一因素和荷载与干湿交替双重因素对CFRP加固梁的长期性能.试验结果表明:荷载与干湿交替双重因素对CFRP加固梁的承载力和破坏形态影响较大,这主要是由于CFRP与混凝土界面的劣化引起;对CFRP加固梁的刚度几乎没有影响.     

CFRP约束预压混凝土柱轴压性能研究

混凝土加固结构中存在着应变滞后和应力超前现象,而依据加固试验研究建立的设计理论忽略了结构的实际工作状态.本文针对以上情况,主要进行了CFRP约束预压状态下混凝土柱轴心受压性能的试验研究与有限元分析,并将预应力技术应用到试件制作中,以此来模拟实际工作状态中的混凝土受压构件,以获得更符合工程实际的试验数据,为实际工程设计提供试验依据.     

一种新型时域输入神经网络实现垃圾焚烧锅炉主蒸汽温度的精准预测（英文）

目的:生活垃圾焚烧炉主蒸汽温度为炉内燃烧调控的重点监控对象。本文旨在建立一种时域输入的主蒸汽温度神经网络预测模型,以实现主蒸汽温度未来5 min变化趋势的精准预测,并且使预测误差控制在1%以内。创新点:1.实现了主蒸汽温度的未来趋势预测,而非当前值预测;趋势预测的结果能提供操作人员一定的参考价值。2.提出了一种时域输入神经网络模型;该模型能够包含输入输出参数之间的延时特性,因此能获得更高的预测精度。方法:1.通过数据相关性分析与延时性分析,确定用于预测主蒸汽温度的输入变量,并减少模型输入层数据维度(表1);2.提出时域输入算法设计(公式(4)～(5)),构建时域输入主蒸汽温度神经网络预测模型,以实现主蒸汽温度未来5 min变化趋势的精准预测(图8);3.通过调整模型参数,优化模型结构;4.通过输入数据敏感度分析,得出对主蒸汽温度预测影响最大的变量(图14)。结论:1.本文提出的时域输入神经网络模型比传统神经网络模型的预测精度更高;2.时域输入主蒸汽温度神经网络预测模型在未来1 min内可以实现近零预测误差;3.根据输入数据敏感度分析可得,对于本研究的焚烧炉,主蒸汽温度本身的数据对于其预测的重要性最高;其次,高温过热器烟气平均温度对于主蒸汽温度远未来预测的重要性较高。     

界面效应对PCSS剪力键滑移性能的影响实验研究

为考察栓钉界面、竖钢板界面对于预制装配抗剪栓钉（PCSS）剪力键抗剪性能的影响,进行了栓钉、竖钢板与混凝土全粘结（F）,只有栓钉与混凝土粘结（H）,栓钉、竖钢板与混凝土均无粘结（N）的剪力键推出实验研究,并建立了有限元模型,揭示了界面工作机理。实验结果表明：N、H、F型试件承载力和抗剪刚度依次增大,其中栓钉与混凝土间的粘结效应对剪力键抗剪承载力贡献了7.9%,对抗剪刚度贡献了10%;竖钢板与混凝土间的粘结效应对剪力键的抗剪承载力贡献了5.6%,对抗剪刚度贡献约50%。其中,竖钢板与混凝土间的粘结作用对剪力键的抗剪刚度和延性均影响较大。通过有限元Abaqus软件进行模拟分析,考虑零厚度内聚力单元模拟竖钢板与混凝土之间的界面接触,对比弹塑性阶段无粘结效应的界面横向应变,得出PCSS剪力键竖钢板与混凝土间存在约束效应,并且竖钢板与混凝土间的粘结作用能够强化这种约束效应。在计算其抗剪刚度和承载力时,需考虑这种约束效应。     

基于BP神经网络的活性炭吸附甲基紫废水过程模拟

为了研究活性炭吸附甲基紫废水过程模型,采用BP人工神经网络算法,以试验所得的28组试验数据为训练样本,建立了以甲基紫废水浓度为输入变量,以不同甲基紫废水浓度下活性炭处理后甲基紫溶液的吸光度为输出变量的吸附模型,模型输出的预测结果与试验数据吻合较好,说明该模型对活性炭吸附处理甲基紫废水过程模拟的可行性和有效性.     

华南地区煅烧粘土-石灰石复合水泥（LC~3）混凝土的研发及其与钢筋的粘结性能（英文）

目的:采用华南地区的原材料研发一种LC~3水泥胶凝材料,并研究其水化反应、微观结构的发展、工作性能、强度性能的发展以及混凝土和钢筋之间的粘结-滑移行为,为推广LC~3水泥胶凝材料应用于滨海结构混凝土提供基础信息和参考。创新点:1.鉴于目前对LC~3水泥胶凝材料在混凝土技术和结构混凝土中的应用研究较少,本文对采用华南地区原材料制备的LC~3混凝土进行了技术研究和应用分析;2.试验结果发现,LC~3混凝土的抗折和劈裂性能优于相同抗压强度的普通混凝土;3.采用拔出试验研究LC~3混凝土与钢筋之间的界面粘结-滑移行为,证明了新型LC~3水泥胶凝材料在钢筋混凝土结构中的适用性。方法:1.开展一系列基于LC~3水泥的净浆、砂浆和混凝土的实验研究,并使用原始材料进行微观结构分析(水化产物表征和孔结构分析)和宏观测试(工作性能和力学性能测试)。2.研究LC~3混凝土与钢筋之间的粘结-滑移行为。结论:1.与普通混凝土(OPC)相比,钙矾石、单碳铝酸盐(MC)和半碳铝酸盐(HC)是LC~3样品中的主要晶体水合产物;由于熟料减少50%,且LC~3中发生的二次水化反应消耗了大量OPC熟料水化生成的氢氧化钙(CH),因此在LC~3的水合产物中几乎没有残留六角形薄片CH。2.与OPC砂浆和混凝土相比,LC~3砂浆和混凝土的早期强度较低;由于在煅烧粘土中无定形二氧化硅和氧化铝(与石灰石结合)二次反应形成了更多的水化硅酸钙和碳铝酸钙水合物,LC~3砂浆和混凝土的后期强度(7天后)迅速增加至与OPC砂浆和混凝土相当的强度水平。3.在与OPC同类材料具有相同抗压强度的情况下,LC~3水泥胶凝材料具有更高的抗折和劈裂强度,因此更有韧性。4.对于LC~3水泥胶凝材料,颗粒更细的石灰石不一定会带来更好的力学性能。5.对于混凝土与钢筋之间的界面粘结-滑移行为,LC~3的破坏模式与OPC大致相同,且通常有两种破坏模式,即钢筋从混凝土中拔出和混凝土劈裂破坏;在具有相同等级的抗压强度时,LC~3混凝土的粘结强度与OPC混凝土相当,但其粘结-滑移刚度更大。     

物联网环境下大数据流中有效信息过滤算法研究

针对常规有效信息过滤算法对数据间关联规则识别能力较弱等问题,提出物联网环境下大数据流中有效信息过滤算法。该算法根据数据权重向量维度,通过余弦夹角构建目标相似的大数据推荐模型;设置表层关联与隐含关联预测规则,利用预测函数确定数据间的关联程度;按照数据间的衔接性质,将数据集合划分成若干子集,模糊聚类物联网中的有效信息;根据用户主观倾向设置偏好函数,以协同过滤方式,得到有效信息过滤算法。实验结果表明,与常规有效信息过滤算法相比,该算法对数据关联规则识别能力提升 14.97%,满足当前物联网大数据流中对有效数据的过滤要求。     

贝叶斯框架下的自适应质量变量预测模型

针对工业生产过程中的时变性问题,提出贝叶斯网络框架下的自适应质量变量预测建模方法.采用改进的即时学习策略,将数据库分成若干局部数据子集,快速选择与待测样本相似度较高的一组数据作为训练样本,再利用主成分分析对训练样本过程变量进行特征提取,借此作为网络模型输入变量.利用基于改进Figueiredo-Jain算法的EM算法估...     

基于组合模型的短期电力负荷预测研究

为了提高短期电力负荷的预测精度,提出了一种短期电力负荷预测模型。该模型包括蚁群算法优化的BP神经网络模型和灰色理论模型。蚁群算法优化的BP神经网络可以提高BP神经网络预测精度和收敛速度,灰色理论削弱了数据自身的随机性。结合两者优点,根据电力负荷的数据特征和两种子模型的预测误差,得出其在组合模型中所占权重,然后得到基于组合模型的预测值。应用组合模型对河南省某地区进行短期电力负荷预测,结果表明该方法比单个模型预测精度更高,能有效预测短期电力负荷。     

基于改进的K-means聚类和深度神经网络的轴承故障诊断算法研究

提出了一种改进K-means聚类算法,使用该方法对轴承振动数据进行聚类和基于深度神经网络的半监督学习的故障诊断研究。对轴承振动数据进行时域和频域处理,得到28维的时域和频域特征数据;利用提出的算法对高维特征数据进行聚类处理,得到伪标签,建立特征数据和伪标签对应的数据集;利用神经网络对具有伪标签的特征数据进行半监督学习,实现对不同轴承振动状态的高精度识别。通过对比聚类指标,提出的算法较好地改善了聚类效果;用伪标签数据训练神经网络,将预测的结果与真实数据比较,精度可达96.2%,可100%区分正常状态和故障状态。     

基于PCA-ESN模型的潘家口水库水位预测研究

选择河北省潘家口水库为研究对象,采用PCA算法对数据进行预处理,选取新的主成分作为输入变量,再通过ESN模型对水库水位进行预测。实验结果表明,历史水位、降水量2个因素的变化对水位有较大的影响;ESN预测模型能较好地预测水位变化趋势,误差小,精度高,应用在水位预测上具有可行性和有效性。     

基于GA-BP神经网络的手足口病预测模型

综合考虑影响手足口病发病的多种因素,运用遗传算法优化了BP神经网络的初始权重,建立了手足口病预测模型。实验表明,与现有的BP神经网络预测模型及自回归移动平均模型(ARIMA)相比,该预测模型有较高的预测精度和较准确的峰值预测。     

基于AdaBoost算法的BP神经网络在软件老化测试中的应用

为提高BP神经网络的预测精度,克服自身容易陷入局部极值和收敛速度慢的缺陷,将AdaBoost算法和BP神经网络结合起来,建立基于AdaBoost算法的BP神经网络模型。该模型将多个BP神经网络作为弱预测器,然后采用AdaBoost算法将多个弱预测器组成强预测器进行预测。将该模型应用于软件老化测试,实验结果表明,该模型相比单个BP神经网络具有更好的预测精度。     

一种论文作者重名消歧方法

作者重名消歧是一个重要又复杂的研究课题,在科技文献检索工作中,作者重名问题势必会降低文献检索的效率和准确性,影响工作进度。提出一种改进粒子群算法优化的BP（Back Propagation）神经网络算法,以解决作者重名消歧问题。首先引入Beta分布的动态惯性权重,提高算法全局搜索能力|其次利用改进粒子群算法优化的权值和阈值,作为BP神经网络的初始权值和阈值进行模型训练,以加快模型训练速度|最后通过特征评价函数过滤式选取排序较优的M维特征子集作为输入层特征向量训练模型,得到最终预测结果,从而精确区分重名的作者。实验研究表明,该模型对重名作者身份的预测准确率可达89.01%,证明了该算法的有效性。     

基于BP神经网络优化的PID控制器研究

在现代网络控制系统中,数据通信时数据包的丢失,严重影响网络控制系统的稳定性。针对数据包丢失问题,采用一个满足2-stateGilbert的随机分布变量来描述数据在传输过程中的丢包,进而建立一个随机的、非线性输入模型,设计一种BP神经网络PID控制器,将BP神经网络算法和PID控制器有效结合,实现由BP神经网络整定的最佳PID控制。仿真验证表明,当网络控制系统的数据丢包率在一定范围时,与传统的PID控制器性能进行对比,BP神经网络PID控制器可以使系统具有更好的控制效果、较好的环境适应力和鲁棒性。     

钢筋混凝土结构耐久性评估系统的研究与实现

基于动态可靠度理论,利用Matlab的神经网络计算功能,结合Visual Basic语言编程,开发设计钢筋混凝土结构耐久性评估系统。系统具有7个功能模块,通过原始文件的输入和现场资料采集,可以实现混凝土结构承载力性能退化规律的输出,并可预测结构的剩余使用寿命,还可提供优化的维护加固方案。