基于单片机晶振的守时研究

为了简化天文观测守时设备,利用普通晶振和51单片机计数器实现了1个守时时钟,通过单片机串口向外输出秒脉冲和时间。以高精度的计算机64位计数器时间作为准确时间,对该时钟的稳定性进行分析。通过对近25个h时间比对数据的分析,得出以下结论:该时钟秒钟速非常稳定,变化不超过0.5μs;24个h的小时钟速互差不超过1ms;经过2min的时间比对即可确定准确的钟差钟速。证明该时钟满足一等天文测量对时间的要求,为野外天文测量时间系统的微型化提供了参考。

基于改进的BP神经网络的大坝蓄水期实时预报模型

蓄水期是大坝安全监测的重点时期.鉴于坝体性态随水位快速升高产生实时变化,蓄水期监测资料平稳性较差等特点,传统的BP神经网络对数据处理本质上属于静态网络,不能满足对实时变动的蓄水期数据样本的准确预测.为了解决这个问题,在传统的BP神经网络模型的基础上,通过在误差计算和模型参数中分别引入遗忘因子,实时更新数据的影响权重,建立了大坝蓄水期资料分析的时变分析模型.最后使用传统的BP神经网络模型和改进的BP神经网络模型进行实例分析,结果表明后者比前者在径向位移的预测上精度提高1mm以上,改进的BP神经网络模型更加适用于大坝蓄水期监测资料分析与预测.

基于融合型WNN的大坝裂缝开合度预测模型研究

大坝的裂缝开合度监测是大坝安全监测中重要的项目之一。因此,大坝裂缝开合度预测的准确性对大坝安全监控十分重要。外界诸多因素都会对大坝裂缝开合度造成一定的影响,导致情况非常复杂。为了提高大坝裂缝开合度预测的精度,尝试将融合型WNN(小波神经网络)应用于大坝裂缝开合度预测,并将该模型应用于某混凝土大坝的裂缝开合度预测中,并与BP神经网络模型、松散型WNN模型及传统的多元回归模型预测结果进行对比。结果表明,融合型WNN用于大坝裂缝开合度预测精度更高,效果更好。

高土石坝沥青混凝土心墙变形监测方法探讨

土石坝沥青混凝土心墙变形是工程建设期和运行期安全管理重要的监测项目,本文概述了沥青混凝土心墙变形常规监测方法、原理,分析了存在的问题,并介绍了一种高土石坝沥青混凝土心墙变形监测的方法,有效地解决了常规监测方法存在的问题,真正实现沥青混凝土心墙的三维变形监测。