期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法
被引量:
2
1
作者
张东明
周烨璐
+1 位作者
黄宏伟
张晋彰
《岩土力学》
EI
CAS
CSCD
北大核心
2023年第10期2997-3010,共14页
针对目前盾构隧道纵向结构安全诊断面临的瓶颈,提出了一种物理信息双驱动的隧道纵向结构力学性态智能诊断方法。通过将表征隧道纵向结构力学性态的物理方程嵌入物理神经元中,利用实测数据作为信息神经元综合构建了物理信息双驱动的神经...
针对目前盾构隧道纵向结构安全诊断面临的瓶颈,提出了一种物理信息双驱动的隧道纵向结构力学性态智能诊断方法。通过将表征隧道纵向结构力学性态的物理方程嵌入物理神经元中,利用实测数据作为信息神经元综合构建了物理信息双驱动的神经网络(physics-informed neural networks,PINNs)模型,可实时更新反演盾构隧道结构参数、周围地层参数以及荷载分布规律,继而正演求解隧道的纵向结构力学性态。将反演得到的参数进一步用于其他隧道段的分析,以实现长距离盾构隧道结构纵向智能诊断。算例与工程实例应用表明,提出的PINNs模型能有效求解隧道结构纵向问题,且相较传统的纯数据驱动的深度神经网络(deep neural network,DNN)模型,PINNs模型表现出了显著的泛化能力与鲁棒性,具有十分可观的工程应用前景。
展开更多
关键词
物理信息双驱动
盾构隧道
纵向力学性态
反演
下载PDF
职称材料
题名
物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法
被引量:
2
1
作者
张东明
周烨璐
黄宏伟
张晋彰
机构
同济大学地下建筑与工程系
同济大学岩土及地下工程教育部重点实验室
出处
《岩土力学》
EI
CAS
CSCD
北大核心
2023年第10期2997-3010,共14页
基金
国家重点研发计划项目(No.2021YFF0502200,No.2021YFB2600804)。
文摘
针对目前盾构隧道纵向结构安全诊断面临的瓶颈,提出了一种物理信息双驱动的隧道纵向结构力学性态智能诊断方法。通过将表征隧道纵向结构力学性态的物理方程嵌入物理神经元中,利用实测数据作为信息神经元综合构建了物理信息双驱动的神经网络(physics-informed neural networks,PINNs)模型,可实时更新反演盾构隧道结构参数、周围地层参数以及荷载分布规律,继而正演求解隧道的纵向结构力学性态。将反演得到的参数进一步用于其他隧道段的分析,以实现长距离盾构隧道结构纵向智能诊断。算例与工程实例应用表明,提出的PINNs模型能有效求解隧道结构纵向问题,且相较传统的纯数据驱动的深度神经网络(deep neural network,DNN)模型,PINNs模型表现出了显著的泛化能力与鲁棒性,具有十分可观的工程应用前景。
关键词
物理信息双驱动
盾构隧道
纵向力学性态
反演
Keywords
physics and information dual-driven
shield tunnel
longitudinal mechanical behavior
back analysis
分类号
U456 [建筑科学—桥梁与隧道工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法
张东明
周烨璐
黄宏伟
张晋彰
《岩土力学》
EI
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部