一种基于BP神经网络的老旧桥梁健康诊断方法

针对老旧桥梁在监测过程中出现的难以诊断以及诊断结果不准确等问题,充分利用BP神经网络在分类识别上的优越性,创新性地提出了一种基于BP神经网络的老旧桥梁诊断方法。首先,提出了基于BP神经网络的系统总体方案,并利用MIDAS/Civil软件对桥梁进行建模仿真,获取桥梁震动样本数据;其次,搭建BP神经网络模型,并将桥梁数据的固有频率和位移作为网络的输入集,健康状况作为目标标签进行输出;最终,在MATLAB仿真环境中进行仿真实验,对网络模型进行训练测试,输出桥梁健康状况。试验结果表明,该方法可以在获得少量数据的前提下,进行桥梁健康诊断时效果明显,可有效识别桥梁的健康状况,具有一定的工程价值。

新型多频段的防作弊干扰系统设计

为了遏制考试中的作弊现象,本文开展了点对点的非常规波段的干扰系统设计。首先,提出了基于DDS+PLL的系统总体方案,其次,采用Simulink进行了仿真验证,再次,设计了本振、调制、放大、DDS等功能模块,最后进行了实验验证。结果表明,本系统可以干扰距离为50m以内、频率范围为200~800MHz的作弊信号,在各类考场、法庭、监狱、保密会议室等严禁对外收发数据的场所具有一定的工程应用价值。

基于自适应粒子群优化算法的地下震源定位方法

在地下震动目标定位领域中,定位模型是实现高精度定位的关键,但是由于地下空间的介质分布散乱,结构复杂,群波混叠现象较为严重,导致特征参量提取难度大,且震动数量较少,单次震动数据有限,造成传统的走时定位模型在地下空间微震定位区域中精确度不高.针对上述问题,本文通过结合浅层走时信息以及深层偏振信息,并在传统粒子群算法的基础上改进种群策略,引入交叉变异机制,利用其收敛速度快,定位精度高等优点,提出了一种基于走时-偏振混合定位模型的地下震源高精度定位方法.进行试验仿真,结果表明:通过种群改进以及交叉变异的PSO算法,解算混合定位模型时,能在一定程度有效地提高算法的全局收敛性,并验证了该算法的准确性,可有效提高微震定位的精确度.

基于深度学习的地下浅层震源定位方法

针对地下能量场聚焦模型中能量聚焦点无法有效识别的问题,在深度学习的基础上,提出一种地下浅层震源定位方法。利用逆时振幅叠加的方法将传感器阵列获取的震动数据逆时重建为三维能量场图像样本序列,并将其作为深度学习网络的输入数据。采用3D-CNN模型搭建深度学习网络框架,在前期训练时将已知震源坐标作为输入标签,且将获取的数据和标签输入到网络中进行训练测试,形成三维能量场到震源坐标的端到端学习模型,并输出聚焦点坐标,即震源坐标。实验结果表明,该方法能够有效识别能量场聚焦点,适用于地下浅层震源定位领域。