基于多层次滤波降噪的IGA-NARX混凝土坝变形预测模型

针对混凝土坝变形数据中存在非高斯分布噪声污染,难以描述混凝土坝变形数据自身的趋势性、季节性的问题,采用CEEMD与粒子滤波法相结合的方法对锦屏一级大坝径向位移进行分析。先将CEEMD分解后的高频和低频分量进行区分,仅对高频分量进行粒子滤波降噪,再进行分量重构;通过多层次滤波降噪处理的位移数据驱动IGA-NARX神经网络构建预测模型,并使用R_(RMSE)、M_(MSE)等指标进行评价。工程实例验证表明,所提模型相较于对比模型在评价指标上均有一定提升,具有较好的实用价值。

基于挠度放大结构的增敏应变传感器

提出并论证了一种基于挠度放大结构和非本征法布里—珀罗干涉(EFPI)原理的增敏光纤应变传感器,旨在追求更高精度的应力检测,其关键特征是通过挠度放大结构将较小的轴向应变变化转化为较大的干涉腔长变化,当应变达到1500×10^(-6)时,干涉腔长的变化量超过0.5 mm,使得应变大小量更易获得,大幅提高了传感器的灵敏度。实验验证:该传感器具有1500×10^(-6)的量程和±0.04×10^(-6)的波动量。研究数据表明:该传感器具有寿命长、成本低、高灵敏度和高分辨力等优点,有望在实际工程结构健康检测领域应用。

桩身混凝土受拉性能试验研究

本试验研究扩底抗拔桩的桩身力学性能。在忽略桩侧壁摩阻力的情况下,采用两端扩大断面的钢筋混凝土试件来近似模拟抗拔桩体的受力,该缩尺试件设置了三种配筋率。混凝土材料为C30普通混凝土,钢筋为Q235变形钢筋。试验重点测试了配筋率对抗拔桩的开裂荷载、裂缝扩展和抗拉强度的影响关系。创新之处在于分析了钢筋混凝土构件在不同配筋率下,荷载与裂缝宽度之间普遍存在的关系,对于揭示抗拔桩开裂机理、裂缝位置的定量预测和控制桩身的裂缝宽度有较为重要的意义。

基于深度学习的双阶段大坝变形预测模型

为提高大坝位移预测的准确性,提出了一种新颖的基于深度学习的综合预测方法。首先引入了一种基于完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和奇异谱分析(Singular Spectrum Analysis,SSA)的多级数据降噪技术。这能有效地消除监测数据中的噪声和异常值,提高数据质量,为后续预测提供更合理的大坝变形数据。随后构建基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的深度学习模型。采用CNN从监测数据中提取丰富的特征,利用GRU来捕获和处理时间序列数据中的长期依赖关系。为了增强模型的表现,引入了自注意力机制,以帮助模型更好地处理和识别数据中的复杂模式。通过与其他预测方法的比较,实验结果表明,该方法在大坝位移预测的准确性和稳定性方面相较于其他方法有显著的提升,能够为大坝变形监控领域提供新方法。

基于多维实测数据的管廊结构状态反演模型的建立

输电管廊作为“地下生命线”,亟需稳定可靠的监测数据实现管廊接口健康状态风险的预警。现有模型一般是针对一维或二维受力下弹性、连续和匀质的长线型结构已有较好的分析效果,然而实际输电管廊结构常设有接缝,不具有线弹性结构,而且在平原、山地和沿海等不同地域的管廊结构也存在差异。

基于非本征法珀干涉的自动温度补偿倾角传感器

提出并证明了一种基于非本征法布里—珀罗干涉(EFPI)原理具有自动温度补偿功能的高精度光纤倾角传感器。传感器采用EFPI原理和柔性绳悬挂质量块的结构,无需弹性元器件,通过直接测量质量块的位移来测量倾角。利用2只EFPI传感器的腔长差消除温度影响,实现了高达±0.15″(角秒)的角度分辨率和0.01″/℃的超低温度灵敏度。通过对水电站倾角的监测,验证了该传感器在水利工程等建筑物的长期倾角监测中的适用性。