建筑物横拉承压力钢筋负荷测量方法仿真

发布时间：2018-04-10 04:10

  本文选题：建筑承压　切入点：小波分析　出处：《科技通报》2014年12期

【摘要】：对建筑物横拉承压力的研究很少,主要是因为建筑物横拉承压的受力较为复杂,还受到建筑物形状、受力面积、碰撞大小等因素的共同影响,具有较强的随机性和复杂性。传统的基于非平稳时间序列的建筑物承压载荷检测方法,在测试随机性负荷时,会因为缺少小区域受力测量能力导致测试结果发生偏差。提出优化神经网络的建筑物横拉承压力钢筋负荷测量方法,通过对建筑物承压局部特性与整体结构聚力,将小波基函数作为建筑物横向承压力传递函数,建立测试模型。实验结果表明:该测试方法用于建筑物横拉承压载荷数据测量,精度满足要求,具有很好的适用性。
[Abstract]:There are few researches on the bearing force of the building's transverse tension, mainly because the stress of the building's transverse tension is more complex, and it is also influenced by the shape of the building, the area under stress, the size of the collision and so on, so it has strong randomness and complexity.The traditional method based on non-stationary time series is used to detect the pressure bearing load of buildings. When the random load is tested, the test results will be deviated due to the lack of the ability to measure the force in a small area.This paper presents an optimized neural network method for the load measurement of steel bar in transverse tension of buildings. The wavelet basis function is regarded as the transverse load transfer function of the building, and the test model is established by analyzing the local characteristics of the building bearing pressure and the cohesion of the whole structure.The experimental results show that the accuracy of the method is satisfactory and has good applicability.
【作者单位】： 广东工程职业技术学院建筑工程学院;
【分类号】：TU317

【参考文献】

相关期刊论文 前3条

1 纪冬梅;胡毓仁;;基于小波神经网络和疲劳曲线的结构疲劳寿命及可靠度预测[J];船舶力学;2006年05期

2 潘国荣;谷川;;变形监测数据的小波神经网络预测方法[J];大地测量与地球动力学;2007年04期

3 吕淑萍,赵咏梅;基于小波神经网络的时间序列预报方法及应用[J];哈尔滨工程大学学报;2004年02期

【共引文献】

相关期刊论文 前10条

1 张鹏;陈剑平;肖云华;赵安平;;粗糙集—小波神经网络在隧道围岩分类中的应用[J];地下空间与工程学报;2011年03期

2 刘艳;武广臣;;变形监测预报与警报系统的研究与实现[J];测绘标准化;2011年03期

3 陈海涛;王国辉;;变形监测数据的RBF神经网络预测方法[J];测绘信息与工程;2009年04期

4 余涛;周斌;陈家荣;;基于多步回溯Q(λ)学习的互联电网随机最优CPS控制[J];电工技术学报;2011年06期

5 卢春燕;周德云;张X;阳治平;;基于RBF的带落角约束的最优滑模导引律设计[J];电光与控制;2012年05期

6 袁操;周德云;张X;;一种骨架提取的无人机航迹规划法[J];电光与控制;2012年06期

7 范普成;王长松;;双馈风力发电机最优控制方法研究[J];大电机技术;2010年06期

8 赵楠;葛宝明;;电动汽车用永磁同步电机的H_∞鲁棒控制[J];电机与控制学报;2007年05期

9 史佩;徐胜红;顾文锦;;碟形飞行器非线性预测控制系统设计[J];弹箭与制导学报;2008年02期

10 汤霞清;郭官周;张环;郭理彬;;基于卡尔曼/状态反馈滤波的SINS/DR导航算法研究[J];弹箭与制导学报;2010年06期

相关会议论文 前5条

1 王青;张颖昕;;“最优控制”课程的教学研究与实践[A];2011高等职业教育电子信息类专业学术暨教学研讨会论文集[C];2011年

2 田坤黉;赵吉松;;伴随法及其在月球最优软着陆两点边值问题中的应用[A];中国宇航学会深空探测技术专业委员会第六届学术年会暨863计划“深空探测与空间实验技术”重大项目学术研讨会论文集[C];2009年

3 俞斌;施红星;;基于不确定信息的灰色广告控制模型研究[A];第16届全国灰色系统学术会议论文集[C];2008年

4 李立华;唐文芳;;机构投资者的变现策略研究[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

5 Wei Guan;Qian Li;Ling Guo;;Adaptive Fault-tolerant Control of Automotive Suspension with Actuator Saturation and L_2-disturbances[A];第26届中国控制与决策会议论文集[C];2014年

相关博士学位论文 前10条

1 赵明;斜拉索随机最优主动/半主动控制[D];浙江大学;2011年

2 朱永彬;排放控制目标下我国最优经济增长路径、减排路径与碳排放趋势研究及模拟系统开发[D];华东师范大学;2011年

3 段红燕;不同载荷下缺口参数对轴类零件低周疲劳寿命的影响[D];兰州理工大学;2009年

4 郭兰磊;聚合物驱提高原油采收率的动态规划方法研究[D];中国石油大学;2010年

5 游伟倩;多输入多输出振动系统H_2/H∞控制研究[D];南京航空航天大学;2010年

6 张辉;永磁同步电机变频驱动鲁棒控制策略研究[D];中国矿业大学;2011年

7 王庆皓;金融危机中的政府“救市”：理论与实证分析[D];江西财经大学;2011年

8 沙智明;电力系统广域实时同步相量测量系统研究[D];华北电力大学（河北）;2006年

9 韩文蕾;中国股票市场的非线性分析与预测[D];西北工业大学;2006年

10 王中;数据挖掘技术及其在证券领域的应用[D];天津大学;2005年

相关硕士学位论文 前10条

1 李萍;小波网络在经济预测中的应用[D];浙江大学;2010年

2 邓勇;智能变形分析方法综合研究[D];解放军信息工程大学;2010年

3 刘晓宇;基于模糊控制技术的智能风机系统研究与应用[D];北京交通大学;2011年

4 林利敏;基于支持向量机的股价短期预测研究[D];杭州电子科技大学;2011年

5 于希宁;基于DSP的压电智能结构振动控制算法研究[D];中北大学;2011年

6 徐炜;汽车主动前轮转向系统研究[D];华南理工大学;2011年

7 王媛媛;基于BP神经网络的混沌时间序列预测方法研究[D];河北经贸大学;2011年

8 李华山;地球同步轨道目标抵近方法和相对轨道确定技术研究[D];国防科学技术大学;2011年

9 杨文拓;小波神经网络在建筑物地基沉降预测中的应用研究[D];辽宁工程技术大学;2011年

10 路s，

本文编号：1729590