轴向中空壁管抗冲击性能试验研究与数值分析∗

轴向中空壁管作为一种新型结构壁管,几何构型简单、空间利用率高、且能量耗散性好,近年来在市政工程中得到广泛应用。为研究轴向中空壁管在低速冲击作用下的力学响应和耗能特性,设计了 20 个试验工况,以落锤冲击试验模拟施工过程中受到的落石冲击和机械撞击作用,基于量纲分析法提出冲击力峰值的计算方法,通过有限元软件 ABAQUS 对试验结果进行验证,并根据有限元计算结果分析管道在低速冲击作用下的变形特性和损伤机理。研究表明：数值分析结果与试验结果吻合较好,冲击力时程曲线趋势基本一致,冲击力峰值误差在 5% 以内。 轴向中空壁管具有良好的抗冲击性能,其双壁中空结构具有较好的能量耗散性,落锤与管道接触瞬间会产生较大的冲击力,12.9 kg 的落锤从 2 m 处自由下落冲击管道可产生 15.28 kN 的冲击力。对比 20 个试验工况的冲击力峰值试验值与计算值,误差均较小,最大误差为 5.8%,即冲击力峰值计算方法准确性较高。随着落锤高度和质量的增加,冲击力峰值增大,损伤区域和凹痕深度也随之增大,最大塑性应变由外壁内侧转移到外壁与加劲肋的连接处, 呈现出外壁损伤和加劲肋损伤两种损伤模式。提出的冲击力峰值计算方法和管道塑性损伤规律可以为施工过程中轴向中空壁管在落石冲击和机械撞击作用下的安全评价提供理论依据。     

基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。