项目网络组织协同治理绩效影响因素分析

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机（PSO SVM）方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群（PSO）算法寻找支持向量机（SVM）最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明：采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数     

斜拉桥主梁损伤对车激索力响应的影响研究

以斜拉桥的损伤识别为目的,提出了一种索力比指标,研究了斜拉桥在车辆荷载激励下,主梁发生损伤时斜拉索索力比指标的变化规律。以实验室独塔斜拉桥试验模型为研究对象,基于ANSYS建立其空间板壳有限元模型,以单元刚度的折减模拟主梁损伤,对主梁在不同位置损伤、不同程度损伤两类工况下,车辆荷载激励下斜拉索的索力比指标变化进行了数值仿真。结果表明：车辆荷载激励下,斜拉索的索力比指标与主梁的损伤位置和损伤程度存在一定的对应关系。为后续基于车辆荷载激励下的索力响应指标识别斜拉桥损伤方法的研究提供了重要的参考,具有一定的理论意义。     

基于格拉姆角场和卷积神经网络的斜拉索损伤识别研究

斜拉索是斜拉桥的重要受力构件，也是易损构件，针对此提出了一种基于格拉姆角场和卷积神经网络(GAF-CNN)的斜拉索损伤识别方法。首先，利用格拉姆角场对斜拉索进行特征提取，将斜拉索的加速度信号转化为二维图像，构建GAF图像数据集；然后，基于迁移学习构建适用于斜拉索损伤识别的CNN网络并进行训练。数值仿真结果表明，该方法能够有效识别斜拉索损伤，具有较高的准确率和良好的抗噪性能。     

基于精细模型的斜拉索疲劳损伤分析

为了更好预测斜拉索的疲劳寿命,提出了基于精细模型的斜拉索疲劳寿命分析方法。首先,基于S-N曲线建立疲劳易损指标,采用Monte-Carlo法生成随机列车荷载进行车桥耦合分析,通过易损性分析得到最易损斜拉索;然后,考虑平行钢绞线索力误差建立精细斜拉索模型,基于Miner线性累积损伤理论对精细模型进行疲劳损伤分析与寿命预测。数值仿真结果表明,该方法可以较精确地确定每根钢绞线斜拉索的疲劳位置和疲劳程度;成桥索力较大的斜拉索易于发生疲劳损伤,疲劳损伤多发生在锚固段,且外侧钢绞线疲劳损伤程度较大。     

斜拉索火致损害及换索模拟计算分析

以某斜拉桥拉索火灾事故为背景,通过选取钢绞线拉索过火损伤变量模型,建立该桥的有限元模型进行模拟计算,对拉索火灾前后和换索修复前后斜拉桥的工作性能进行了比较,可为换索施工提供理论依据。     

空间索面独塔钢箱梁斜拉桥索力优化

空间索面斜拉桥由于结构特殊性,索力相互影响复杂,其合理成桥索力以及施工张拉力调整是需要解决的关键问题。为对以上问题进行研究,以石家庄市学府路斜拉桥为工程背景,将结构的弯曲和拉压应变能之和最小作为目标函数,通过控制主梁的挠度、弯矩和斜拉索索力等条件,采用影响矩阵法求解了成桥索力。结合钢箱梁斜拉桥先梁后索的施工特点,研究了不同斜拉索张拉方案的可行性。结果表明,求解得到的最优索力与设计索力误差很小,索力分布合理;通过正装迭代法求解得到不同方案的斜拉索张拉力及成桥索力,分析确定了最优的斜拉索张拉方案,为工程实际提供参考。     

刘庄斜拉桥的检测与分析

由于斜拉索的防护技术的限制,随着桥龄的增长,斜拉桥不可避免地会出现斜拉索腐蚀问题。通过对刘庄斜拉桥的常规及结构定期检查结果的分析,确定了该桥的技术状况等级,提出了维修建议,对现有同类桥梁的管理有一定的借鉴意义。     

斜拉索足尺疲劳试验的关键问题

随着斜拉桥建设的增多,斜拉索的疲劳问题越来越突出。作为研究斜拉索疲劳性能的主要手段,拉索足尺疲劳试验因其规模大、成本高等原因,在世界范围尤其是国内所进行的次数并不多。在研究国内外相关文献的基础上,提出了斜拉索疲劳的安全度准则及试验抽样方法,总结了疲劳试验参数的确定方法并比较了国内外规范的相关规定,研究并总结了目前为止国内外主要的拉索足尺疲劳试验,并介绍了疲劳试验常用的加载方式。     

面向损伤识别的独塔斜拉桥模型的设计与分析

模型试验方法是桥梁结构损伤识别研究的一种重要手段。以某虚拟的独塔斜拉桥为原型,面向损识别设计制作了独塔斜拉桥试验模型。试验模型各主要构件（主梁、主塔、斜拉索）均独立加工制作,其中主梁选用铝合金材料,截面采用箱形,划分为不同长度的阶段,各节段均采用螺栓连接。通过改变节段板厚的方法实现主梁不同损伤程度的模拟,不同位置的损伤通过更换不同位置的板厚实现,从而方便的实现了模拟模型斜拉桥主梁的各种损伤状态。采用特殊的设计实现了斜拉桥结构索力的实时测试。对模型进行了静态试验,并与有限元模型计算的结果进行了对比分析。试验研究与数值分析为今后的损伤识别研究奠定了基础。     

轴向流对斜拉索气动稳定性影响的试验研究

在特定的风雨条件下,斜拉桥的斜拉索会发生激烈的风雨振现象,这种振动会造成索-梁和索-塔锚固区结构的疲劳损伤等一系列问题.因此,研究并明确斜拉索风雨振的机理,从而找到这种振动的控制方法,已经成为紧迫的研究课题.通过风洞试验测量了倾斜索模型的轴向流强度和脉动升力的大小,分析了轴向流对卡门涡脱落的影响及对低频率成分涡的形成的影响,指出轴向流能抑制卡门涡的脱落,并促进低频率成分的涡的产生,索在这两方面因素的作用下容易发生发散振动.     

国内马克思哲学超越维度理论研究现状述评

以实验室独塔斜拉桥为研究对象,提出了确定斜拉桥合理施工索力的正装倒拆计算法,该方法按照施工顺序,在正装优化的基础上,对各节段进行倒拆计算,得到各斜拉索的基础索力,然后再通过正装迭代计算,求得各个调索阶段斜拉索的初始张拉索力和主梁的预抬量,从而避免了传统的倒拆法中难以考虑结构本身的非线性问题与正装法无法保证计算过程中一些索力设置大小的合理性等问题。本方法已经在独塔斜拉桥模型实验中成功应用。通过实验验证了该方法的有效性和可靠性,具有一定的理论价值和重要的应用价值。     

斜拉桥结构模型试验索力测试方法研究

以某实验室独塔斜拉桥试验模型为研究对象,对斜拉桥模型试验的索力测试方法展开研究。开发了一种基于压力环传感器的索力测试系统,基于ANSYS分析平台,按照接触问题对该系统进行了仿真分析。在此基础上,在实验室模型桥上,采用测频法对该系统进行了对比验证。结果表明：该系统操作简单,性能可靠,测试精度较高,在不改变斜拉索刚度的情况下可以实现斜拉桥模型试验中斜拉索索力的实时、长期监测。     

基于小波分析与支持向量机的人民币汇率预测

利用支持向量机方法对汇率进行预测是金融市场研究领域一个重要的研究课题.结合小波变换与支持向量回归,提出一个三阶段时间序列预测模型.先以离散小波框架将汇率序列分解成不同尺度的多个子序列,揭示蕴含在预测变量内的信息,并对各个子序列进行时间序列分析,再以支持向量回归为工具,以这些子序列为预测变量建构支持向量回归模型,最后将各个序列的预测结果进行重构,得到预测结果.实证结果显示,该模型的预测效果较之BP神经网络与单纯的AR-SVM模型更优,证明基于小波分析与支持向量机相结合的预测模型可以为人民币兑美元汇率提供比较准确的预测.     

基于融合熵特征的辐射源信号识别

针对相近雷达辐射源信号难以识别的问题,一种新的雷达辐射源信号识别方法被提出.该方法基于小波包分解,用主成分分析法融合含有信号类别特性的小波包重构系数特征,并将融合特征的能量熵和概率熵构成特征向量,基于支持向量机实现信号的分类识别.在较大信噪比(SNR)范围内,使用该方法能获得满意的正确识别率,当SNR为5 dB时,十分近似的线性调频信号正确识别率达到了91%,实验结果证实了该方法的有效性.     

基于多小波包排列熵和流形学习的故障特征提取方法

针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。     

基于主元分析和支持向量机的电路故障诊断模型

综合主元分析和支持向量机的优点,提出了一种基于主元分析和支持向量机的故障诊断模型.通过主元分析提取故障特征,然后利用支持向量机进行故障模式的分类,实现对模拟电路不同故障的识别.实验结果表明,该模型能够准确地实现故障的诊断,具有好的识别能力.     

济南市纬六路斜拉桥主梁线形施工控制

大跨度PC斜拉桥是设计、监控、施工高度耦合的结构,而主梁的线形控制效果是PC斜拉桥施工质量的重要指标之一,也是重点和难点.以济南市纬六路斜拉桥为例,结合该桥的具体施工方案和施工工艺,阐述了主梁的施工流程、施工控制理论与方法,对设计上采用斜拉索一次张拉到位的设计理念给施工控制带来的许多问题,通过采用先进的"双控"方法,建立可行的施工控制方案,并提出了一些实用的处理方法,解决了主梁线形控制问题并减少了调索程序,可为PC斜拉桥设计、施工、监控提供一定的参考.     

优化SVM在锅炉负荷预测中的应用

提出智能优化支持向量机算法来提高模型的预测能力和泛化能力。该算法针对支持向量机噪声敏感问题采用小波方法对数据集去噪;利用核主成分分析方法提取数据特征;采用量子粒子群算法优化支持向量机超参数。将该优化算法应用于锅炉负荷短期预测,实验结果表明,该优化算法预测精度较高,收敛速度较快,泛化性能优于其他预测方法,且工程实现容易。     

斜拉索张力优化研究

合理确定斜拉索的预张力是斜拉空间网格结构成败的关键,提出一种适用于半刚性结构的静力平衡法线性迭代优化方法。通过对灵武体育中心体育场屋盖斜拉索张力优化分析,获得{N3}=(1+0.3)N为优化预张力,结构最大竖向位移为跨度的1/718,各杆件应力/强度比基本在0.8以内。     

基于支持向量机的模糊小波神经网络

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法。首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小。仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度。