基于人工神经网络和遗传算法的大跨连续梁桥参数相关分析

主要论述了如何采用改进的BP神经网络和遗传算法进行现场施工参数的识别。为解决混凝土的容重、弹性模量所引起的误差,在丹江口二桥的施工控制过程中,采用3层BP神经网络进行混凝土的容重、弹性模量的识别;为确定预应力损失引起的标高偏差,引入了遗传算法对其建模分析,取40个初始染色体群,以5个世代繁衍不再出现更优的染色体作为终止GA计算的条件。文章以这两种方法在丹江口二桥施工过程的预测控制分析中的成功运用为实例,证实了神经网络控制理论和遗传算法在连续梁桥的施工过程的预测与控制中的实用性和有效性。

人工智能科学在软土地下工程施工变形预测与控制中的应用实践——理论基础、方法实施、精细化智能管理(示例)

首先,介绍了基于人工神经网络的智能预测方法(多步滚动预测)和基于智能模糊逻辑法则的施工变形控制方法对策;其次,介绍了基坑施工和盾构掘进施工变形智能预测与控制案例。经过应用实践,认为智能方法的优点是:对于结构变形位移和周边地表沉降/隆起,智能方法所得的预测值(3~5 d)与其相应实测值的精度偏差一般为5%~10%;不只是可以了解到当天已发生的信息,还可预见3~5 d将要发生的变形位移和沉降/隆起等的预测定量值;在施工变形达到超限阈值前,采用智能模糊逻辑控制法则作处理,通过调整相应的施工技术参数,即可使后续变形始终处于允许的限值之内,而无需附加额外的巨大花费,节约造价,节省工期,还可实现远程、无线、视频监控。在探讨地铁施工变形智能预测与控制的基础上,开发了盾构掘进施工中工程周边地表沉降/隆起变形的多媒体三维动态可视化仿真程序软件,研制了盾构掘进施工计算机智能管理系统。目前,上海隧道工程有限公司已在上海市沿江通道盾构施工中进行试验性应用,取得了良好的技术效益。最后,对人工智能科学发展的前景及存在的一些问题进行了探讨。

一种新的时变时滞系统控制方法

把一种新的能在线估计时变时滞系统参数的辨识算法与内模控制相结合，提出了时变时滞系统自适应内模控制算法．理论分析及仿真结果表明，该方法能够克服时滞及参数的变化，具有鲁棒性好、抗干扰能力强等特点，优于Ｓｍ ｉｔｈ 预估控制器．

Hill非二次屈服准则次数m值识别及应变控制研究

正确确定本构模型中的物性参数是金属成形过程准确分析和模拟的基础。以Hill非二次屈服准则为基础,应用人工神经网络(ANN)技术建立了材料在变形过程中不同应力状态下物性参数m值的识别方法,并在MTS试验机上进行了薄壁管拉扭试验,通过试验中各阶段的实际应变增量值与m值识别前后计算所得理论应变增量值的比较,验证了识别所得m值以及根据识别所得m值进行应变控制的正确性。

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合 ,提出了时变时滞系统自适应内模控制算法 .理论分析及仿真结果表明 ,该算法能克服时滞及参数的变化 ,具有鲁棒性好。

基于神经网络的时变时滞系统自适应内模控制(英文)

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合 ,提出了时变时滞系统自适应内模控制算法 .理论分析及仿真结果表明 ,该算法能克服时滞及参数的变化 ,具有鲁棒性好、抗干扰能力强的特点 .

大跨径连续梁桥施工预拱度预测

建立预应力混凝土连续梁桥施工预拱度控制的BP神经网络模型,根据施工过程中桥面实测标高与设计值的差异,用BP神经网络识别预应力损失等参数,预测后续节段的预拱度。在湖北襄樊汉江四桥的施工控制中的应用表明该方法是有效的,与实测的结果较吻合。

基于神经网络的时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合,提出了时变时滞系统自适应内模控制算法。理论分析及仿真结果表明,该算法能克服时滞及参数的变化,具有鲁棒性好、抗干扰能力强的特点。