潘汉明[1]2002年在《基于人工神经网络的结构基础选型系统的研究》文中研究说明建筑基础初步设计中很重要的一项就是要确定基础类型，基础类型的选择受到许多因素的影响。本论文运用人工神经网络的方法，以结构工程中的基础设计为对象，重点研究了基于BP神经网络的结构基础选型问题。 文中概述了BP神经网络的基本原理。通过对影响结构基础选型因素的分析并结合BP神经网络特点，在MATLAB的环境下建立了结构基础选型的神经网络识别模型，并利用神经网络非线形和具有学习和记忆功能，用训练样本训练网络结构，确定神经网络识别模型。基于以上的研究，开发了基于人工神经网络的结构基础选型系统，来帮助设计人员选择适当的基础形式，通过工程实例预测表明运用神经网络方法在实际工程基础设计中具有重要的参考价值和现实意义。
孙立祺[2]2010年在《基于人工神经网络的盐渍土地区桥涵基础选型研究》文中研究说明基础选型是一个涉及面广,综合性强的工作,需要多方面的知识和丰富的工程设计经验,尤其在盐渍土地区,不良的地基土性质加大了基础选型的不确定性因素。这种情况下,确定性的分析方法很难奏效,而人工神经网络等非确定性方法却可以发挥作用。本文运用了人工神经网络的方法来进行盐渍土地区桥涵基础的选型,它充分发挥了神经网络高度的非线性,高度的容错性和鲁棒性、自学习和实时处理等特点。本文首先通过大量检索基础工程的研究成果,归纳出盐渍土地区的工程特点以及工程病害,并概述了BP神经网络的基本原理,在建立基于人工神经网络的盐渍土地区桥涵基础选型模型的之前,分析了各种基础形式的优缺点以及适用范围,提取了盐渍土地区桥涵基础选型的主要控制因素,探讨了BP人工神经网络隐含层个数以及隐含层单元节点数的选取问题,确定了BP人工神经网络隐含层的结构。在Matlab7.1环境下建立了盐渍土地区桥涵基础选型的BP神经网络模型。并编制了人机交互式输入界面,方面设计人员的使用。在建立的模型中输入工程项目、工程地质资料数据作为网络学习训练样本,对建立的神经网络模型进行训练,优化网络模型。经检验,训练好的网络模型性能良好。从而表明运用神经网络方法在盐渍土地区基础选型设计中具有重要的参考价值和现实意义。
范迎春[3]2005年在《深基坑支护结构选型决策方法的研究与应用》文中研究说明深基坑支护结构设计中很重要的一步就是确定支护结构类型。理论发展及工程实践推进了深基坑支护方案的发展,但目前的选型方法多采用传统的人工方法,其科学化和智能化程度不高。论文以五种常见的深基坑支护结构型式为研究对象,重点研究了基于BP 神经网络的深基坑支护结构选型决策问题。论文以深基坑支护工程相关理论和大量的深基坑支护工程实例为出发点,辩识深基坑支护结构选型决策的影响因素形成深基坑支护结构选型决策的指标体系;针对深基坑支护结构选型涉及到众多模糊、不确定性因素的突出特点,引入了BP 神经网络理论,在MATLAB 语言环境下,编制了选型决策的程序并构建了相应的深基坑支护结构选型决策模型;并用由大量工程实例数量化形成的学习样本知识库对网络进行训练和调试,形成了深基坑支护结构选型决策模型。论文最后介绍了该选型决策模型在实际工程中的应用,从专家设计、多层次模糊综合评判法和工程监测资料等角度验证了其实用性和有效性。该选型决策模型运用便捷,能比较有效的解决深基坑支护结构优选问题。
郑浩[4]2001年在《基于人工神经网络的高层建筑结构选型》文中进行了进一步梳理高层建筑结构初步设计是一个涉及面广、综合性强的工作，需要多方面的知识和丰富的工程设计经验，目前国内外尚无理论对其进行充分的研究。本文介绍了一种基于人工神经网络的方法来进行高层结构体系的选择，它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点。本文研究结果表明，利用人工神经网络方法可以解决高层建筑结构选型问题。 本文首先分析高层建筑主要结构型式的特点以及适用范围，提取了高层建筑结构选型的主要控制因素，并以此建立了基于人工神经网络的高层结构选型的数学模型。探讨了BP人工神经网络隐层个数和隐层单元节点数的选取问题，确定了BP神经网络的隐层结构。利用确定的BP网络结构，分别采用传统的BP算法、改进的带动量自适应学习率BP算法，以及L—M算法，分析、解决高层结构选型问题。从本文研究可得出结论，普通的BP算法无法适应土木工程中大规模的数据结构，应采用改进的L—M算法，该算法收敛较普通BP算法快10~2～10~3倍，精度高，能够较好地解决土木工程中的高层建筑结构选型问题。本文还提出使用径向基函数神经网络，该网络的应用在土木工程领域尚未见有关文献公开发表。经本文研究表明，径向基函数神经网络运算速度较普通BP算法快10~3～10~4倍，并且精度高，应用径向基函数神经网络可以高效、高质地完成高层建筑结构选型任务。
王经建[5]2004年在《基于层次分析法和神经网络方法的建筑结构（基础）选型研究》文中研究表明建筑结构的初步设计是一个涉及面广、综合性强的工作，需要多方面的知识和丰富的经验，目前国内外尚无理论对其进行充分的研究。尤其是西安地区这样的高地震烈度区，建筑结构初步设计的结构体系选择更为重要，它关系了整个建筑的安全、适用和经济。本文在借鉴了前人的研究成果的基础上，提出了在满足安全、适用的条件下，建筑结构经济性评价指标。根据这些指标收集了国内目前比较优秀的一些建筑结构的设计数据，作为专家经验库，充分运用神经计算具有分布式存储、并行处理和自适应学习的特点，显示运算快速、响应灵活、容错性良好的优越性，利用MATLAB语言构造了经济性评价神经网络系统，对上部结构、地下基础的经济性作了分析。又由于各种建筑的使用功能不同、各种人为因素对选型的影响，各种建筑结构对安全性、适用性、经济性和施工难以程度方面的侧重不同，会使得最终的选型结果不同(权重不同)；另一方面，有些影响结构选型因素又是模糊的，不可能用一个精确的量化指标来表达。因此本文运用模糊数学和层次分析方法，对多属性的问题进行了探讨。 实例应用表明，基于神经网络系统的经济性评价系统和多属性评判方法进行的结构体系选型是有效的。
钱昊[6]2015年在《基于粒子群优化神经网络的乳化机故障诊断系统的研究》文中研究表明伴随着我国现代化建设步伐的加快，高速铁路、水利建设以及采矿业等领域的迅猛发展，乳化炸药产能得到了巨大的释放。经过几十年的发展与改进，乳化炸药已经逐渐取代其他一些污染严重、能耗高、安全可靠性低的工业炸药，在我国经济发展和基础设施建设中扮演越来越重要的角色。但是近些年来，乳化炸药在带来巨大经济效益的同时，也引发了一些安全生产事故。如何在保障经济效益的同时，做好安全生产工作是生产企业所要遵循的原则。由于大多数乳化炸药安全事故都集中发生在乳化机设备上，为了解决这一问题，一方面是政府监管部门加大规范安全生产制度和标准，另一方面是企业的安全意识自我提升，乳化机在线监控以及故障诊断的系统研制与改良变得刻不容缓。本文在深入研究设备故障诊断技术和发展趋势的基础上，首次提出基于粒子群优化神经网络的乳化机故障诊断系统。主要工作内容和研究成果归纳如下：（1）以AE-HLC-III型敞开式一级乳化机为研究对象，从乳化机的结构出发，对乳化机在生产运行过程中可能出现的主要故障类型进行故障机理分析。在此基础上，研究了乳化机振动信号的处理方法与流程。（2）结合乳化炸药连续化生产线上原有监控技术和设备，提出了一套乳化机故障诊断系统的解决方案。具体设计思路如下：通过传感器采集乳化机运行时的故障信号，并传送至PLC，在工控机上安装依照该系统设计的乳化机故障诊断VB软件，该软件能够通过粒子群优化后的神经网络分析PLC中传送过来的故障数据来实现乳化机的故障诊断，并能与原有的组态王监控系统兼容。（3）研究了粒子群算法的基本原理，并分析了相关参数的选择。通过分析BP神经网络的优点和缺点，针对BP神经网络收敛速度慢，易陷入局部最小值的缺点，提出了利用粒子群优化算法对BP神经网络进行优化。乳化机故障诊断的MATLAB仿真结果表明优化后的神经网络预测更加精准，适用于故障类型与故障征兆间具有复杂非线性映射的乳化机故障诊断。（4）根据系统硬件设计基本原则，对振动传感器、信号变送器、PLC以及上位机等硬件做了详细的选型分析，构建完整的乳化机故障诊断硬件系统。在构建完成的硬件系统的基础上实现乳化机故障诊断系统软件的开发。该故障诊断软件主要基于VB软件开发，结合Access数据库的数据交换、MATLAB软件的混合编程以及原监控生产线的组态王软件。（5）选取乳化机转子不平衡作为测试故障，软件测试结果表明，该故障诊断系统能够很好识别出乳化机的实际故障，适用于乳化机生产运行中的故障监控与诊断，在保证乳化机安全可靠运行的同时，降低了检修成本并提高了维修效率，具有很好的应用前景。
王燕荣[7]2015年在《基于模糊综合评判与BP神经网络的高层建筑结构选型分析》文中研究表明随着我国经济建设与整体实力的迅速发展和不断提升,对高层建筑的需求日益强烈,这对高层建筑结构的发展来说既是机遇又是挑战。结构选型是结构设计的第一步,高层建筑结构的发展出现了大量复杂结构体系和结构类型,选择余地的增多意味着结构选型不恰当可能性的增大。因此,选择一种合适的结构选型决策方法就显得尤为重要。目前,应用模糊综合评判法和人工神经网络对高层建筑结构选型的研究日渐丰富。人工神经网络可以模拟人脑结构的思维能力,具有较强的自适应和联想功能,但是它不具有处理和描述模糊信息的能力,不能很好地利用专家经验知识。而影响结构选型的因素绝大部分是不确定或不确知的,具有很强的模糊性,这必将导致人工神经网络在结构选型中的应用局限性。模糊综合评判法可以很好的处理模糊信息和利用专家经验知识,二者结合,充分发挥了模糊综合评判法和人工神经网络的优势。本文以高层建筑结构常用结构体系为研究对象,采用模糊综合评判法与BP神经网络相结合的方法,通过高层建筑结构选型影响因素的分析,利用MATLAB神经网络工具箱建立了基于模糊模糊综合评判与神经网络的高层建筑结构选型决策模型。经过分析表明,利用模糊综合评判法和BP神经网络结合的方法可以有效解决结构选型问题。本文首次提出将模糊综合评判与神经网络结合应用于解决高层建筑结构选型问题,研究成果丰富了结构选型的方法理论,对高层建筑结构选型决策具有一定的参考意义。
王丽媛[8]2015年在《混凝土冻融试验机测控系统的开发》文中提出混凝土作为常用建筑材料,其耐久性一直是人们关注的焦点。据调查显示,我国东北、华北以及西北地区的混凝土建筑物受冻融破坏影响严重,抗冻性成为衡量混凝土耐久性的重要指标。在实际应用之前,需对混凝土试件进行相关试验,以检测其抗冻性能否达到施工标准。国外相关试验设备虽然性能偏高,但价格昂贵,国内设备价格较低,但大多结构简单,智能化程度不高。本课题所构建的混凝土冻融试验机依据冻融试验设备制造标准,以Atmega32为核心控制器构建下位机硬件系统,结合上位机软件开发平台LabWindows/CVI开发智能化程度较高的测控系统,实现参数测定精确化、硬件结构合理化、操作平台人性化的目标。另外,考虑到神经网络强大的非线性映射能力和自适应学习记忆的特点,本课题还将构建BP神经网络模型,以预测的形式求得影响混凝土抗冻性能相关参数(相对动弹性模量),再结合试件的实际受损状况,综合评定其抗冻等级。选取主要影响因素(水灰比、水泥用量、冻融次数)作为原始数据样本输入,相对动弹性模量值作为单一输出创建BP网络模型。之后经网络训练、仿真以及与实际测定值的对比,判定所构造的BP神经网络是否具有实际意义。在混凝士试件经历有限次冻融循环之后,即可利用训练好的BP神经网络预测相对动弹性模量值,从而实现抗冻等级的评定。在结合了虚拟仪器技术和神经网络预测技术的基础上,本系统用软件取代了部分硬件设备,完善整体性能的同时节约了成本,提升了整套系统的性价比。
晏致涛[9]2002年在《高层建筑基础设计智能决策支持系统研究》文中提出高层建筑基础设计是一个复杂的系统工程，涉及的因素众多。在实际工程设计过程中，常常需要经过选型、设计、计算、修改多次反复进行。耗费大量的时间、人力、物力。人工智能与决策支持系统理论的发展，使得将智能决策支持系统理论用于高层建筑基础选型及设计领域成为可能。本文在深入研究高层建筑基础选型及设计知识的基础上，借助专家系统（ES）、神经网络（ANN）、决策支持系统（DSS）等理论，利用面向对象技术（OOP）研制开发出一个能够辅助工程设计人员进行基础选型及设计的智能决策支持系统——高层建筑基础设计智能决策支持系统（TBFIDSS），并通过工程实例验证了该程序的实用性、有效性、可靠性。主要工作及结论如下：①深入研究了高层建筑基础选型有关的各种影响因素，并由此建立了一个基础选型知识库。将知识库分级为元知识与领域知识，后者进一步分级为基础初步选型、基础埋深确定、桩型选择、承台选型等知识库。同时，应用推理工具CLIPS建立了一个高度智能化的专家系统TBFES，实现了确定性问题与不确定性问题的混合推理求解。②根据神经网络的学习算法，编制了叁层及四层BP网络的学习及推理程序。该程序在某些细部问题（如确定桩的承载力、承台反力等）上提供辅助决策。③用面向对象语言（C++）建立了一个层次化的地基与基础设计模型库。该库能实现对独立基础、条形基础、筏板基础、箱型基础、桩基础等各种基础的内力计算、土层承载力确定、地基反力计算、地基变形验算、软弱下卧层验算、基础配筋等操作。由于C++语言的封装、继承、多态等特性，该模型库既可用于多个应用程序，又可以通过不同的实现代码实现多规范模型库。④建立了数值分析方法模型库。该库封装了对柱下条形基础分析的链杆法、有限差分法、有限元法，筏板基础分析的有限差分法、有限元法以及桩筏基础非线性有限元分析等类对象。⑤实现了TBFIDSS各组成部件之间的接口和数据流控制，使之统一集成为一个完整的、方便易用的智能决策支持系统。
梅青海[10]2004年在《基于人工神经网络的桩基础选型研究》文中研究表明建筑结构桩基础选型是一个涉及面广、综合性强的工作，需要多方面的知识和丰富的工程设计经验，它具有强烈的综合性，包含大量不确定性(随机性、模糊性和未确知性)信息，用传统的准则法或者数学规划法对此问题进行建模和求解很难奏效，目前国内外尚无理论对其进行充分的研究，此种情况，确定性分析方法对其无能为力而神经网络等非确定性方法却有很好的用武之地。本文介绍了一种基于人工神经网络的方法来进行建筑结构桩基础选型，它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点。本文研究结果表明，利用人工神经网络方法可以解决建筑结构桩基础选型问题。 文中概述了BP神经网络的基本原理，并对Matlba6.5人工神经网络工具箱做了简要的介绍。在建立基于人工神经网络的建筑桩基础选型的数学模型时，首先分析桩基础主要结构型式的特点以及适用范围，提取了桩基础选型的主要控制因素，探讨了BP人工神经网络隐含层个数和隐含层单元节点数的选取问题，确定了BP人工神经网络的隐含层结构，在Matlab6.5的环境下建立了桩基础选型的BP人工神经网络模型。利用确定的BP网络结构，分别采用几种改进的BP算法分析、解决桩基础选型问题，根据比较选出适合本文模型的BP算法——Fletcher-Powell共轭梯度反向传播算法。基于以上的研究，在Matlab6.5下构建了人工神经网络的桩基础选型模型，利用Matlab语言编制人机交互式界面，方便设计人员选择适当的桩基础形式，并使选型过程简单明了。 在建立的模型中输入典型工程项目工程地质资料数据作为网络学习训练样本，对建立的神经网络模型进行训练，优化网络模型。经检验，训练好的网络模型性能良好，达到了智能预测的目的。从而表明运用神经网络方法在桩基础选型设计中具有重要的参考价值和现实意义。
参考文献：
[1]. 基于人工神经网络的结构基础选型系统的研究[D]. 潘汉明. 武汉理工大学. 2002
[2]. 基于人工神经网络的盐渍土地区桥涵基础选型研究[D]. 孙立祺. 长安大学. 2010
[3]. 深基坑支护结构选型决策方法的研究与应用[D]. 范迎春. 重庆大学. 2005
[4]. 基于人工神经网络的高层建筑结构选型[D]. 郑浩. 华侨大学. 2001
[5]. 基于层次分析法和神经网络方法的建筑结构（基础）选型研究[D]. 王经建. 长安大学. 2004
[6]. 基于粒子群优化神经网络的乳化机故障诊断系统的研究[D]. 钱昊. 杭州电子科技大学. 2015
[7]. 基于模糊综合评判与BP神经网络的高层建筑结构选型分析[D]. 王燕荣. 长安大学. 2015
[8]. 混凝土冻融试验机测控系统的开发[D]. 王丽媛. 天津科技大学. 2015
[9]. 高层建筑基础设计智能决策支持系统研究[D]. 晏致涛. 重庆大学. 2002
[10]. 基于人工神经网络的桩基础选型研究[D]. 梅青海. 武汉理工大学. 2004
标签：建筑科学与工程论文; 自动化技术论文; 人工神经网络论文; 故障诊断论文; bp算法论文; 基坑支护论文; 建筑结构论文; 模糊理论论文; 模糊算法论文; 基坑监测论文; bp神经网络论文;