基于B型深孔测斜曲线的滑坡滑动面位置确定方法

在实际的深孔位移监测中,测斜曲线的突变特征是滑动面辨识的关键依据,对于“B”型测斜曲线通常是将曲线的鼓包凸起点作为滑动面的位置,但这种方法容易受到测点布置间隔和横纵坐标观测尺度的影响,存在滑面位置定义不清晰、数值不确定的问题。为了能够有效地克服这些缺点,提升测斜曲线滑动面辨识的准确度,基于“B”型测斜曲线变化特征,研究将滑坡抽象为由“滑动体”、“滑动区间”以及“不动体”三者组成的概化模型,并对滑坡运动过程中不同深度处土体的位移速率和加速度变化特点进行了深入分析。结果表明：土体位移速率沿深度方向会形成多道曲线簇,且不同曲线簇分别对应各滑面所在的滑动区间及非滑动区间。此外,将位移速率转化为加速度,则土体加速度曲线具有更加显著的分簇特征,能够为准确区分滑动体和不动体的区间范围提供重要依据。进一步地,提取监测期内加速度曲线分簇特征显著的当日土体加速度并绘制散点图,能够快速准确地确定坡体不同区间的深度范围。基于当日各滑面所在滑动区间内的加速度数据,运用三次样条插值法计算该区间内的位移加速度最大值,由于滑面处的土体加速度最大,则该值对应的土体深度可作为滑面位置的计算深度。研究方法能够更加精准地确定...     

一种基于改进的一致性算法数据融合技术

在重大工程结构健康监测中,随着研究对象复杂程度的提高,往往需要获得大量观测数据才能对结构进行有效的评估,因此采用多种或多个传感器进行测量已成为必然趋势。数据融合技术就是将多个传感器的测量结果进行综合处理,从而得出比单个传感器更为准确可靠的结果。本文基于一致性算法,提出一种改进的多传感器数据融合技术,该数据融合技术属于数据级融合,它克服了一致性算法中两传感器在测量精度不同时置信距离不同的缺点,并对支持矩阵进行模糊化处理,避免了人为定义阈值而产生的主观误差。文中通过算例,验证了此方法可获得较好的结果,并且能够有效地减小由于扰动因素造成的测量数据的变化。     

基于灰色理论和神经网络的边坡位移预测

边坡位移的发展受地质条件、天气环境和人类活动等众多因素的影响,变化趋势复杂,很难建立一个准确的经典数学模型对其进行全面的描述。为了得到边坡位移较准确的估计,采用多模型信息融合技术对边坡位移进行了预测。首先,将边坡这类影响因素复杂的系统看成是一个灰色系统,分别采用GM（1,1）模型、Verhulst模型和DGM（2,1）模型对位移值进行预测。其次,考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制,利用神经网络的办法对不同的灰色预测模型进行组合,生成灰色神经网络模型,该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适用性信息处理能力相融合,通过反复训练、学习,自动调节,可以得出各模型在组合模型中的合理权重,从而输出满意的结果。通过对比发现,利用组合灰色神经网络模型预测的位移值,比单独的灰色模型预测的位移值具有更高的精度。     

基于集成学习的结构地震动响应预测方法研究∗

为获取建筑结构在地震过程中的位移响应,解决结构主动控制中的时滞问题,使用集成学习方法预测结构位移响应。提出了一套适用于结构地震动响应预测的集成学习模型,使用不同的神经网络和损失函数组合作为基学习器,在此基础上使用全连接网络构建二级学习器,得到最终预测模型。模型使用双向地震动加速度和结构位移响应作为输入,预测短期的结构位移响应;结构位移响应可实现多步预测,进行动态化输出。将该框架应用于某钢框架结构,进行数值实验,结果表明,集成后的模型预测结果要优于单一模型的预测结果,所有模型都表现出预测误差随着预测时间的增加而增加的规律。模型的预测随着地震过程在同步进行,当模型预测值第一次达到某一阈值时,则将预测结果反馈到主动控制系统中,提前进行结构振动控制,而不必等待位移传感器采集到真实的响应数据,从而减小甚至避免主动控制中时滞问题的影响。     

顾及模型误差的基坑位移监测数据处理方法

由于基坑地质及观测环境的多样性和复杂性,基坑位移监测数据处理的理论模型与实际模型之间存在着模型误差。若模型误差显著,则所得位移拟合模型的精度较差,将影响后继变形分析的准确性。针对这一问题进行了深入研究,提出了顾及模型误差的最小二乘配置法,并指出在考虑观测值中可能存在粗差的情况下应进一步采用稳健估计法改善基坑监测面的拟合精度。推导了顾及基坑位移模型误差的最小二乘配置法的计算公式,说明了计算步骤。通过对多个实例的计算分析可知,该方法对基坑监测面拟合模型的精度增益能达到35%~48%,是一种比较实用的基坑位移监测数据处理方法。     

长大高耸结构的单桩基础振动台试验研究

横向地震响应是影响长大高耸结构(如风机、超高桥墩桥梁等)抗震稳定性的重要因素,开展此方面的研究对于此类结构的防震减灾具有积极意义。本文基于前期开展的单桩基础振动台试验,研究了地震激励下的桩基横向地震响应规律。首先使用加速度空采段数据对环境噪声进行了分析,为滤波器提供合理的截止频率,并将加速度响应结果与Gohl所开展试验进行了对比,以说明上部结构对桩基横向响应的影响。然后使用应变片数据转化得到了桩-土体系的p-y(土抗力-横向位移)数据,并通过不同传感器数据对同一物理量的记录情况对比,验证了试验数据质量,在此基础上研究桩基动力p-y响应规律。所得结果表明:(1)空采段数据所携带的噪声信息可以通过FFT变换后,利用信噪比为滤波器提供合理的截止频率;(2)上部结构对横向加速度响应影响显著,与Gohl试验相比,本文试验土面处加速度放大系数仅是其0. 59倍,而位移响应幅值是其10. 5倍;(3)桩基类型、场地条件对p-y响应影响显著,与Wilson试验结果相比,本试验p-y曲线的最大横向位移仅是其1/13;(4)地震作用下桩基一侧出现了明显的桩土间隙,而另一侧则不存在(刚度一侧加强,一侧减弱),这种两侧的差异性变化会严重影响结构的稳定性,但在其他非高耸结构的桩基振动台试验中少有记录和分析。     

近场长周期强地震动幅值谱研究

本文研究了近场长周期强地震动加速度的傅氏谱和功率谱模型及其参数估计方法,基于强地震动参数统计上的无向性,提出了一种结合地震学模拟模型和工程学统计回归模型的综合方法。文中定义了强地震动平稳段均方根加速度的计算方法,并通过均方根加速度建立了震源力学参数和强地震动工程参数间的关系。通过对目前使用的主观持时定义的应用分析,指出主观持时定义使得估计的地震动过程的峰值加速度的变异性与实际地震动过程的峰值加速度的变异性有显著不同,明显偏小,这对于结构抗震可靠度分析可能会得到失效概度偏小的结果,应引起工程界的重视。     

苏通大桥结构健康状态评估技术研究与应用(3):主梁损伤定位

为提高基于模态参数的损伤识别方法的损伤敏感性和噪声鲁棒性,将多源数据融合技术引入到苏通大桥主梁损伤定位方法中。基于D-S证据理论对模态柔度和模态应变能指标进行数据融合,并以苏通大桥扁平钢箱梁为分析对象,对融合后损伤定位指标的应用效果进行了讨论。结果表明:基于数据融合的损伤定位方法具有较强的损伤敏感性,只需要较少的低阶模态信息就能识别主梁的早期损伤;数据融合后,损伤定位指标可以在较强的噪声环境下准确地识别斜拉桥钢箱梁的损伤,具有较好的工程实用性。     

建筑幕墙振动台试验框架设计方法研究*

建筑幕墙振动台试验中通常采用试验框架模拟承载幕墙的主体结构,幕墙试件的动力反应和变形依赖于试验框架。为满足幕墙试件的试验要求,基于有限元分析提出了一种试验框架设计方法。该方法首先根据幕墙试件的尺寸和试验预期的台面加速度及层间位移角,设计初始的试验框架模型;然后,建立初始试验框架和幕墙试件的整体有限元模型,由整体模型两个平面方向的基频构建系统瑞利阻尼矩阵,形成试验模型的等效计算模型;最后,通过有限元分析模拟振动台试验的加载,根据计算结果与试验预期指标调整确定试验框架的设计参数,直至满足试验要求。在此基础上,以一个玻璃-石材复合幕墙为例设计了相应的试验框架,进行了振动台试验。结果表明,幕墙试件的层间位移角和台面加速度指标均能满足试验要求,验证了试验框架设计方法的合理性。随着地震动输入幅值的增大,幕墙试件层间位移角呈现非线性增大现象。与此同时,试验过程中幕墙面板、连接件和支承构件均未发生损坏,满足工程抗震设计要求。     

基于回归分析及卡尔曼滤波的闽赣断裂带垂直形变预测

断裂带的活动性与地震活动有着密切的关系,断裂带垂直形变监测对捕捉地震前兆异常情况、预测地震危险性均有着非常重要的作用。基于闽赣断裂带5年跨断层水准观测数据,首先,通过拟合残差、F检验置信度水平综合判断各监测场地的多项式拟合阶数,构建了拟合效果较优的多项式回归模型;其次,引入卡尔曼滤波理论,分析并确定滤波先验信息,建立了垂直形变的卡尔曼滤波模型;最后,基于建立的两种模型对闽赣断裂带垂直形变进行预测分析。结果表明:当测段高差前后两期出现较大波动时,多项式回归模型预测精度略高于卡尔曼滤波模型;反之,监测场地测段高差变化较为平缓时,采用卡尔曼滤波模型预测精度优于1mm,在实际应用中,可以综合应用两种模型进行垂直形变预测,以提高预测效果。     

Kalman最优平滑器在滑坡位移监测数据处理中的应用

针对传统方法中利用Kalman滤波器来处理物体的形变数据存在精度低的缺点,依据Kalman平滑比滤波的精度要高的原理,提出了将滑坡形变的估计问题视为Kalman平滑问题,而不仅仅是Kalman滤波问题;利用Kalman最优平滑器来处理滑坡位移监测数据,可使滑坡预测预报的精度得到较大提高,并在此基础上给出了一种固定区间平滑算法;最后,以龙羊峡龙西滑坡为例进行了实例分析,结果表明本文提出的方法是可行和有效的。此外,结论中针对实际运用中存在的问题提出了相应的建议。     

抗差自适应Kalman滤波在动态变形监测中的应用研究

抗差自适应Kalman滤波算法中,抗差等价权矩阵和自适应因子的计算,要求观测信息具有多余观测量且准确可靠,但在动态变形监测应用中,通常滤波观测值仅为三维坐标且存在较强噪声和粗差的影响.为此,先对该算法中的自适应因子和抗差等价权矩阵的计算进行研究和改进,然后计算了某高速公路边坡的GPS动态监测数据.结果表明,抗差自适应K...     

基于FPGA的电磁多速率仿真通讯接口研究

针对基于现场可编程门阵列(field-programmable gate array,FPGA )的电磁暂态多速率仿真器的海量计算数据与外部系统通讯问题,研究通过定制化的通讯接口硬件和通讯协议,最大限度地利用电力系统仿真的特点,提升小步长仿真的通讯能力,并对通讯接口的可用性和正确性进行测试验证。结果表明:基于 FPGA 的电磁暂态多速率仿真系统通讯接口克服了多速率仿真的通讯瓶颈,实现了高带宽、高稳定性和低延迟的高效通讯,适用于大规模的电磁暂态多速率仿真计算。     

抑制斑点噪声的SAR与多光谱图像融合方法

通过将主成分变换与IHS变换相结合,避免了会导致SAR信息量损失的滤波过程,实现了一种可降低SAR斑点噪声影响的遥感影像融合算法。与主成分变换融合方法、IHS变换融合方法在主观视觉效果分析和客观统计参数两方面进行比较,新方法不仅很好地保留了多光谱影像的光谱信息,增强了结果影像的空间细节表现能力,而且有效地抑制了SAR斑点噪声,提高了结果影像的信息量与清晰度。     

中信广场风场特性及风致结构振动的同步监测

通过对广州中信广场在台风“达维”作用下其风场与风致结构振动的现场同步监测，获得了台风风场和结构动力特性，及风致结构振动响应等相关结果。通过对现场测试数据的分析，验证了湍流强度随平均风速增大而减小和阵风因子随湍流强度增大而增大等规律，实测的脉动风速谱与von Karman谱亦很吻合。同时通过对中信广场加速度响应与平均风速关系分析得出，该高层建筑物的顶部风速即使处于低中风速范围时，其横风向响应已接近于顺风向响应。根据实测风振加速度数据，对结构动力特性（频率及阻尼比）进行了识别，采用随机减量方法求得了结构在两个主轴方向第一振型阻尼比与振幅的非线性关系。     

边坡振动台模型实验动位移的加速度时程积分探讨

受数据采集条件限制,振动台模型实验的速度和动位移时程一般由实测加速度时程信号进行积分得到。通过理论分析和实验实测数据计算,认为动位移的频域积分法误差来源是低频截止频率的选取,特别当低频频率接近零时,传统二阶频域积分可产生较大的动位移低频振荡和峰值误差。提出利用时域与频域混合的方法,即频域-时域混合积分法,来克服积分过程带来的误差,其在对加速度两次积分中,分别进行一次频域积分和一次时域积分。地震模拟振动实验的台面实测加速度数据积分与台面动位移计实测数据的对比表明,较之传统的二阶频域积分,采用频域-时域混合积分时误差可明显减小。     

基于物联网技术的多能源设备数据采集方法

针对宁东新能源化工基地水、电、气、热、冷等多能源设备数据采集速率低,质量差的问题,提出了1种基于物联网技术的多能源设备数据采集方法。本方法综合考虑水、电、气、热传感设备的监测细粒度、联动控制策略等因素,建立多能源设备数据采集模型。在此基础上,基于物联网技术,对多能源设备进行并发数据采集,实现多采集策略协同处理和高速采集,并按目标时间将多能源设备采集数据分类存储在智能融合终端中,以开展综合能源边缘控制。应用结果表明：本方法可面向综合能源多尺度采集性能指标和差异化数据结构,实现多能源数据自趋优协同采集,提高多能源采集的准确性与传输效率。     

基于BP神经网络的饱和砂土液化判别方法

基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度.