基于深度置信网络的工字钢梁损伤识别方法

研究目的:工字钢梁作为一种重要的受力结构,在建筑结构、桥梁支架、轨道交通、仓储厂房等领域应用广泛。由于其在服役期间极易受到外部荷载、自然环境、材料性质等影响而发生严重的损伤,危害结构的耐久性和安全性,因此有必要采取相应的措施及时发现工字钢梁的损伤状况。基于深度置信网络的工字钢梁损伤识别方法,提取结构发生振动时的竖向加速度响应值作为损伤指标,通过深度置信网络对损伤指标的特征分析,识别结构的损伤位置和损伤程度。研究结论:(1)该方法在损伤位置和损伤程度方面的识别准确率均在90%以上,且随着噪声程度不断提高,识别准确率能够保持稳定的水平,抗噪性能好;(2)SVM支持向量机在损伤位置的识别准确率低于20%,BP神经网络在损伤程度的识别准确率低于70%,随着噪声程度不断提高,两种传统的方法识别准确率不能保持稳定的水平,识别能力差;(3)本文所提出的基于深度置信网络的损伤识别方法具有一定的可行性,在实际工程应用中可研究性较强,具有一定的研究前景。

胶结层含石英砂的黏钢加固混凝土界面黏结滑移本构关系研究

分别以石英砂掺入量不同的结构胶为黏结剂,制备多组黏钢加固混凝土试件,通过对所制试件进行双面剪切试验,得到各组试件的破坏模式、界面承载力以及不同荷载水平下钢板表面的应变分布。针对试验结果展开理论分析,在考虑钢板、混凝土构件宽度比以及混凝土抗拉强度等因素的基础上,对Nakaba黏结滑移模型进行修正,获得更适用于胶结层含石英砂的钢板-混凝土界面黏结滑移本构关系分析模型。

基于堆叠去噪自编码器的桥梁损伤定位方法研究

现有的损伤识别方法面对大量的桥梁健康监测数据存在处理能力有限、提取的信息不能全面反应桥梁的健康状态的问题。利用深度学习在大数据方面的优势,提出一种基于堆叠去噪自编码器的桥梁损伤定位方法。以一简支梁桥有限元模型算例对该方法进行验证,提取该桥L/5,2L/5,3L/5,4L/5处的竖向加速度时程响应值,并针对每一个时刻建立上述节点的加速度矩阵(4×1),然后将经过预处理的矩阵送入堆叠去噪自编码器进行特征提取完成模型训练,最后将测试样本送入该模型进行分类,完成损伤定位任务。结果表明本文提出的方法相比于传统的机器学习方法具备定位准确率高和抗噪性能好的优势,在今后的桥梁结构损伤识别领域具有一定的参考价值。

一种12GHz的高增益低噪声放大器

通过分析GaAs pHEMT器件特性设计了一款两级高增益、低功耗的低噪声放大器。采用两级结构提高低噪声放大器的增益,设计了一种共用电流结构,降低了放大器的功耗,同时降低电路噪声。输入、输出匹配均采用LC阶梯匹配网络,具有良好的匹配性,并使用CAD软件对电路进行设计优化。电路仿真结果表明,在中心频率12 GHz下实现了增益为27.299 dB、噪声系数为0.889 dB、S11和S22均小于-10 dB的性能,工作带宽为600 MHz。此低噪声放大器作为12 GHz频段的接收机的前端设计研究,具有一定意义。

基于神经网络模型对扬州市电力负荷预测研究

电力负荷预测对电力行业的发展有着重要的意义,准确、高效的电力负荷预测有助于电厂合理地调整发电产能,有效降低发电的成本,从而保障居民的日常生活用电。中长期的电力负荷预测是研究的热门话题,设计了一个由输出层、隐含层和输入层构成的三层BP神经网络模型,以扬州市为例,选取2005-2017年数据使用该BP神经网络模型对扬州市电力负荷进行预测。实验结果表明文中设计的神经网络模型的预测精度较高且运行速度也比较快。使用神经网络模型对扬州地区进行电力负荷预测对未来扬州地区电力系统规划具有积极作用。