【摘 要】
：
深层抗滑稳定分析是重力坝抗震计算中的一项重要内容,采用有限元方法进行深层抗滑稳定计算需要在计算模型中预先设置滑动面,当重力坝坝基深层存在多个缓倾角和软弱结构面时,不仅整个有限元模型建模和网格剖分将面对较大的困难,而且会面临局部单元质量降低的问题。本文提出了一种基于BP神经网络的重力坝深层抗滑稳定有限元分析方法。该方法无需在有限元计算模型中设置滑动面,结合BP神经网络算法根据坝基深层空间应力关系拟合
论文部分内容阅读
深层抗滑稳定分析是重力坝抗震计算中的一项重要内容,采用有限元方法进行深层抗滑稳定计算需要在计算模型中预先设置滑动面,当重力坝坝基深层存在多个缓倾角和软弱结构面时,不仅整个有限元模型建模和网格剖分将面对较大的困难,而且会面临局部单元质量降低的问题。本文提出了一种基于BP神经网络的重力坝深层抗滑稳定有限元分析方法。该方法无需在有限元计算模型中设置滑动面,结合BP神经网络算法根据坝基深层空间应力关系拟合滑动面应力,避免了复杂滑块的建模和网格剖分,具有良好的准确性和易用性;同时,本文比较了不同粘弹性人工边界条件对重力坝深层抗滑稳定计算结果的影响。本文主要研究内容如下:（1）根据BP神经网络基本理论推导了多层前馈和误差反向传播过程的计算公式,编制了BP神经网络拟合滑动面应力和预测抗滑稳定安全系数程序。程序根据无滑块有限元模型的坝基深层空间应力场,结合BP神经网络算法逼近坐标与应力的函数关系,即可拟合出滑动面任意位置处的应力值,从而预测滑动面的抗滑稳定安全系数。（2）分别建立了二维、三维重力坝无滑块和有滑块的有限元模型,在静力工况下应用BP神经网络方法预测无滑块模型的抗滑稳定安全系数,与传统预设滑动面模型的计算结果进行对比,验证了BP神经网络方法在静力工况下的预测精度。分析了BP神经网络程序中神经元个数和样本数据的质量对BP神经网络预测性能的影响,提出以神经网络性能参数衡量神经网络程序预测准确度,并验证了这一方法的可行性。（3）总结了粘弹性人工边界及等效荷载的常用公式,编制了二维和三维的粘弹性边界和地震动输入程序,比较了不同粘弹性人工边界条件在自由场算例和重力坝抗滑稳定分析问题中的影响。（4）应用BP神经网络方法在动力工况下进行了抗滑稳定计算,为了降低BP神经网络结果的随机性,对每个时刻的抗滑系数预测采取多次预测取均值作为该时刻的预测值,并对比了每个时刻的重复次数对预测结果稳定性和准确性的影响。
其他文献
悬挂衣物的抓取任务一直是机器人领域非常重要的课题。然而由于衣物复杂的动力学属性、褶皱和自遮挡等因素,导致衣物的局部特征不明显,给抓取任务带来了很大困难。本文将对衣物抓取点的检测任务,从数据集和检测算法两个方面进行研究。主要工作如下:（1）制作了高质量的模拟数据集。针对数据集采集困难的问题,本文利用模拟的方法生成大量数据。使用模拟软件Maya模拟衣物模型自然的悬挂状态,获取到清晰的深度图片和精准的抓
漂浮式光生物反应器是一种新型光生物反应器,它利用波浪能作为混合驱动的能量来源,减少了养殖过程之中的能耗,而且光生物反应器的制造成本较低,有望实现低成本微藻生产。但是漂浮式光生物反应器也存在着培养过程中自动化程度低、消耗大量人力资源和微藻生长指标检测具有迟滞性的问题。针对上述问题,本研究为漂浮式光生物反应器增加了生产辅助设备、数据采集及控制部分、数据显示及存储部分,共同组成了微藻养殖控制系统。在漂浮
人体肠道菌群拥有的基因比人体的基因大约多150倍,是一个复杂的生态系统。它不仅受宿主生存状态的影响,而且对宿主的健康与疾病也有着深远影响。在过去10多年间,大量的研究发现肠道菌群与肥胖状态关系密切。然而,在已发表的关于肠道菌群与肥胖相互作用的研究成果中,一致性的结论很少,而且大多数的方法、结果都不具有推广性。其中,研究队列的规模较小、研究方法相对单一是造成这种现象的重要原因。为了确定正常个体与肥胖
类风湿性关节炎是一种慢性和进行性自身免疫性疾病,其病理特征是整个身体多个关节出现对称性肿胀和疼痛。它的大多数临床表现是关节炎症,它是所有慢性炎症性关节疾病中最常见的,并影响大多数成年人。基于类风湿性关节炎的发病机理以及相关的分子细胞和病理生理学研究,发现脾酪氨酸激酶（SYK）在类风湿性关节炎的发病机理中起着非常重要的作用。SYK（Spleen tyrosine kinase）全称是脾酪氨酸激酶,是
桥式起重机广泛应用于厂房内的物料搬运,其中钢包起重机用于钢铁冶炼车间内钢包的起吊、搬运,完成钢铁的冶炼流程。钢包起重机利用吊钩勾住钢包耳轴完成作业,由于钢铁冶炼车间封闭、光线较暗、粉尘多,吊车司机和地面指挥人员的视野有限,若起重机在起吊前,没有及时发现吊钩未在钢包耳轴上就位,则会引起钢包倾覆,引发事故。因此,设计钢包吊钩安全监测系统,对钢铁冶炼车间的安全生产具有重要的意义。为解决以上问题,基于钢包
关键词识别旨在检测音频流中预定义的关键词,它在智能终端、服务机器人、人机交互等领域具有广泛应用。近年来,人们将神经网络用于关键词识别,进一步提高了识别效果,但它们通常有数十万个参数,这在嵌入式系统中难以应用。为了压缩网络模型,可以通过修剪、量化等技术来实现,但往往以牺牲识别精度为代价。由此可见,尽管深度神经网络方法取得了成功,但以较少的参数实现高精度的关键字识别任务仍具有挑战性。因此,本文研究了一
船舶等海洋工程结构物长期服役于海洋环境中,工作环境复杂恶劣,船舶在运转期间的安全问题始终是关注的热点。结构健康监测技术（Structural Health Monitoring,SHM）能够在结构服役期间监测结构运行状态,在结构发生损伤的早期识别损伤的存在,能够节省大量人力、物力资源,避免重大的经济财产损失。因此,近年来船舶等海洋工程结构健康监测技术得到了众多学者的研究。结构损伤识别层次是结构健康
近年来,海洋环境保护、资源的开发利用等需求越来越高,水下无线传感器网络作为探索和利用海洋的关键技术之一,也成为了一个研究热点。而水下传感器网络节点的位置信息是网络能够有效工作的关键之一。水下环境由于水流等因素比陆地环境更为复杂,且由于射频信号在水下传输衰减过大,不能用于水下信息的中长距离传输,只能考虑水声,因此,陆地无线传感器网络的技术不能直接应用于水下传感器网络。水下节点定位的主要问题:一是节点
图像匹配通过特征检测和描述,寻找不同图像的相同区域,从而完成识别、配准和检索等任务。本文主要针对无人机视觉导航任务,传统图像匹配方法SIFT在困难条件下（如图像模糊）匹配性能不足等问题开展研究。考虑到基于卷积神经网络（CNN）的学习型描述子具有更大的描述区域以及对困难条件的强适应能力,与SIFT手工设计描述子性能互补。本文基于传统和深度特征相结合的SIFT-HardNet方法,针对SIFT-Har
非聚焦模糊区域检测是为了检测图像中非聚焦模糊区域和聚焦清晰区域,是一种像素级任务,在自动聚焦、图像恢复等计算机视觉领域有着广泛的应用。近年来,深度卷积神经网络在非聚焦模糊检测任务中展示出了强大的特征提取能力,取得了很大的进展。然而,大多数基于卷积神经网络的方法总是依赖于昂贵的像素级标签。为了降低标签成本,本文提出利用框级标签完成像素级的非聚焦模糊检测任务。框级标签能够提供非聚焦区域大致位置的线索,