啪啪国产视频_一级高清毛片_日韩精品中文字幕在线观看_免费视频一区二区三区四区

　　【摘要】：橋梁建成通車后，由于受氣候、環境因素的影響，結構材料會被腐蝕和逐漸老化，長期的靜、動力荷載作用，使其強度和剛度隨著時間的增加而降低。這不僅會影響行車安全，更會使橋梁的使用壽命縮短。在結構布局和規模都十分復雜的大型橋梁上仍然沿用傳統的橋梁外觀檢查、養護、維修程序以及常規的局部檢測，顯然已難以全面反映橋梁的健康狀況，尤其是難以對橋梁的安全儲備以及退化途徑作出系統的評估。建立和發展某種能夠提供整體和全面的全橋結構檢測和評估信息的監測系統，隨時了解大橋結構的承載能力和安全儲備，對保證大橋運營的安全性和耐久性都是十分必要的。 目前，在許多大跨度橋梁上都已經安裝了永久性的監測系統，但目前的橋梁監測系統中不含結構模型，因而無自動損傷識別的能力。本文在前人研究工作的基礎上，根據遺傳算法和神經網絡在處理復雜非線性問題時的各自特點，分別將其用于橋梁結構健康監測系統的不同部分，提出了建立基于遺傳算法與神經網絡的橋梁結構健康監測系統的基本設想。為此，本文主要進行了以下幾個方面的研究工作。 1．在既有橋梁的研究中，主要包括橋梁總體性損傷評估、橋梁承載能力鑒定、橋梁剩余壽命評估、橋梁處置對策確定及其經濟分析等，其中在日常管理養護中比較常用、比較重要的問題之一就是橋梁的總體性損傷評估。根據《中國公路橋梁綜合評定方法》，引入數理統計中的“正交試驗法”和“均勻設計法”，應用神經網絡對橋梁結構進行模糊綜合評判。 2．應用神經網絡較強的模式分類功能，選擇合適的模態信息或動靜力響應數據，對橋梁結構進行損傷識別。結合基于靜態應變及位移測量的結構參數識別算法，借助遺傳算法強大的優化搜索能力，探討基于遺傳算法的橋梁結構損傷識別技術。 3．根據安裝在橋梁結構上的監測系統傳遞來的位移、應變信息，進行作用在橋梁結構上的荷載識別，可以：① 對監測系統傳遞來的荷載信息加以校核和補充；② 為下一步的損傷識別提供依據。而荷載識別的關鍵技術在于快速、準確地模擬橋梁的荷載-撓度曲線。以“在位移控制下部分預應力混凝土梁非線性行為試驗研究”的試驗數據為建模樣本集，分別以作用于梁上的荷載和梁的跨中撓度為輸入、輸出，利用神經網絡來對混凝土梁的荷載-撓度曲線進行模擬，并用其進行荷載識別的試驗研究，取得了較好的效果。 第11頁 西南交通大學博士研究生學位論文 4.裂縫開展寬度是衡量部分預應力混凝土橋梁使用性和耐久性的一個重 要指標，精確地模擬部分預應力混凝土梁的荷載一裂縫關系有著十分重要的意 義。然而，混凝土結構裂縫形成和發展的過程十分復雜，具有一定的隨機性， 難于用常規的方法進行建模。應用神經網絡較強的函數映射能力和聯想、記憶 功能，對部分預應力混凝土梁的荷載一裂縫關系進行建模，通過試驗數據進行驗 證，效果良好，證明應用神經網絡來對部分預應力混凝土梁的荷載一裂縫關系進 行建模是可行的。 5.混凝土結構中鋼筋的銹蝕將直接影響其安全性、可靠性和耐久性，快速、 準確地預測混凝土構件中的鋼筋銹蝕量有著重要的意義。應用神經網絡對銹蝕 開裂后的混凝土構件中的鋼筋銹蝕量進行預測建模，并通過工程檢測結果驗證 了該建模方法的可行性。 6.應用遺傳算法強大的非線性搜索能力，分別以年均投資差額和總投資差 額最大為優化分析目標，提出了用遺傳算法對常遇大氣環境下的混凝土橋梁進 行耐久性優化設計的方法，通過算例進行驗證，效果良好。 7.將橋梁結構健康監測系統監測到的結構響應看作一個非線性時間序列， 應用神經網絡較強的數據壓縮能力和聯想、記憶功能，選取若干天的結構響應 數據(應變一時程曲線等)進行學習，并對未來一段時間內的結構響應進行預測。 以此為根據，對橋梁結構進行疲勞可靠性分析。 8.由于幾何非線性和材料非線性的影響，構件某一失效模式的極限狀態方 程很可能是強非線性方程，甚至無法得到顯式的極限狀態方程。工程實際中常 采用的傳統方法難以精確或有效地對橋梁結構進行可靠性分析。根據可靠度指 標刀的幾何意義，將求解可靠度指標刀的問題轉化為有約束最小化問題，應用遺 傳算法強大的非線性搜索能力進行求解。 【關鍵詞】：結構 橋梁 健康監測 損傷識別 遺傳算法 神經網絡
【學位授予單位】：西南交通大學
【學位級別】：博士
【學位授予年份】：2003
【分類號】：U446
【DOI】：CNKI:CDMD:1.2004.105965
【目錄】：

• 第1章 緒論17-37
• 1.1 課題的研究意義與國內外現狀分析17-35
• 1.1.1 課題的研究意義17-19
• 1.1.2 國內外現狀分析19-35
• 1.2 課題研究內容和擬解決的關鍵問題35-37
• 第2章 橋梁結構健康監測系統37-84
• 2.1 概論37-38
• 2.2 橋梁健康監測系統的構建和需要解決的問題38-48
• 2.2.1 橋梁健康監測新概念38
• 2.2.2 健康監測系統設計38-48
• 2.3 傳感器的選擇和優化布設48-61
• 2.3.1 傳感元件(sensor)選擇48-53
• 2.3.2 傳感器的優化布設53-61
• 2.4 光導纖維在橋梁結構健康監測系統中的應用61-73
• 2.4.1 光纖傳感器在橋梁結構健康監測中的應用62-64
• 2.4.2 光纖傳感器的組成及原理64-71
• 2.4.3 光纖傳感器安裝工藝研究71-72
• 2.4.4 光纖傳感器應用中的一些問題72-73
• 2.4.5 結語73
• 2.5 基于Internet／Intranet的橋梁結構健康監測系統73-84
• 2.5.1 基于Internet／Intranet的橋梁結構健康監測系統74-76
• 2.5.2 現場數據采集站76-79
• 2.5.3 基于Internet／Intranet的橋梁結構健康監測系統信息處理方法79-83
• 2.5.4 結語83-84
• 第3章 基于神經網絡的橋梁結構模糊綜合評判84-144
• 3.1 幾種常用的橋梁結構評估方法84-98
• 3.1.1 橋梁承載能力的評估方法84-90
• 3.1.2 橋梁損傷的多層次模糊綜合評價方法90-96
• 3.1.3 橋梁損傷評估及對策專家系統96-98
• 3.2 橋梁結構評價的模糊分級法98-107
• 3.2.1 《公路養護技術規范》(JTJ 073-96)綜合評定法98-102
• 3.2.2 公路橋梁管理系統102-107
• 3.3 神經網絡與遺傳算法簡介107-127
• 3.3.1 神經網絡107-119
• 3.3.2 遺傳算法119-127
• 3.4 基于神經網絡的橋梁結構模糊綜合評判127-144
• 3.4.1 應用正交試驗法安排橋梁結構模糊綜合評判試驗127-131
• 3.4.2 應用均勻設計法安排橋梁結構模糊綜合評判試驗131-134
• 3.4.3 應用組合正交表安排橋梁結構模糊綜合評判試驗134-135
• 3.4.4 橋梁檢測資料135-138
• 3.4.5 基于神經網絡的橋梁結構模糊綜合評判138-142
• 3.4.6 結語142-144
• 第4章 橋梁結構的損傷識別及耐久性研究144-194
• 4.1 幾種常用的結構損傷識別方法簡介144-154
• 4.1.1 自動損傷識別的方法144-145
• 4.1.2 幾種常用識別方法簡介145-154
• 4.2 神經網絡在結構損傷識別中的應用154-163
• 4.2.1 樣本點數量的確定及分布原則154-155
• 4.2.2 輸入參數的選擇155-160
• 4.2.3 參數處理160-161
• 4.2.4 學習模式對的收集策略161-163
• 4.3 基于遺傳算法的橋梁結構損傷識別163-166
• 4.3.1 選擇待識別的結構參數164
• 4.3.2 確定識別所需的量測信息164
• 4.3.3 建立結構靜態反應殘差矩陣164-165
• 4.3.4 定義問題的目標函數165
• 4.3.5 基于遺傳算法的橋梁結構損傷識別165-166
• 4.3.6 結語166
• 4.4 基于神經網絡的混凝土橋梁荷載識別方法研究166-171
• 4.4.1 混凝土梁荷載-撓度全曲線的研究概況167-168
• 4.4.2 應用神經網絡模擬混凝土梁的荷載-撓度曲線和荷載識別168-169
• 4.4.3 算例169-171
• 4.4.4 結語171
• 4.5 基于神經網絡的部分預應力混凝土梁荷載-裂縫模型研究171-176
• 4.5.1 部分預應力混凝土梁彎曲裂縫研究概況172-173
• 4.5.2 應用神經網絡模擬部分預應力混凝土梁的荷載-裂縫關系173-174
• 4.5.3 算例和討論174-175
• 4.5.4 結語175-176
• 4.6 基于神經網絡的混凝土開裂后鋼筋銹蝕量預測模型研究176-179
• 4.6.1 混凝土開裂后鋼筋銹蝕量研究概況176-177
• 4.6.2 基于神經網絡的混凝土開裂后鋼筋銹蝕量預測模型177-178
• 4.6.3 算例178-179
• 4.6.4 結語179
• 4.7 基于遺傳算法的混凝土橋梁耐久性優化設計179-184
• 4.7.1 混凝土橋梁耐久性優化設計180-182
• 4.7.2 遺傳算法在混凝土橋梁耐久性優化設計中的應用182
• 4.7.3 混凝土橋梁耐久性優化設計算例182-184
• 4.7.4 結語184
• 4.8 應用結構健康監測數據進行橋梁的疲勞分析和壽命預測184-194
• 4.8.1 橋面板橫截面疲勞分析模型185-187
• 4.8.2 疲勞分析的方法和策略187-191
• 4.8.3 疲勞損傷評估和壽命預測191-194
• 第5章 基于遺傳算法與神經網絡的結構可靠度分析194-238
• 5.1 概論194-202
• 5.1.1 基本概念194
• 5.1.2 結構可靠度研究歷史簡介194-202
• 5.2 常用結構可靠度分析方法簡介202-220
• 5.2.1 概率模型202-218
• 5.2.2 非概率模型218-219
• 5.2.3 結語219-220
• 5.3 基于遺傳算法與神經網絡的橋梁結構可靠度分析220-238
• 5.3.1 遺傳算法和人工神經網絡的應用原理220-226
• 5.3.2 Brotonne斜拉橋可靠性分析226-234
• 5.3.3 洞庭湖大橋主梁可靠度分析234-237
• 5.3.4 結語237-238
• 結論238-241
• 致謝241-242
• 參考文獻242-261
• 附表1261-262
• 附表2262-264
• 附表3264-266
• 附表4266-269
• 攻讀博士學位期間發表的論文及科研成果269