应用人工神经网络技术的大型斜拉桥子结构损伤识别研究

本文应用人工神经网络技术对大型斜拉桥结构进行了子结构损伤识别研究。文中首先介绍了子结构损伤识别的基本方法，然后应用自组织竞争神经网络建立了对于大型桥梁结构识别子结构损伤情况的子结构损伤识别方法，并且应用BP网络进一步建立了大型桥梁结构各子结构内部的损伤位置和损伤程度的识别方法，数值模拟了一大跨度斜拉桥子结构损伤以及子结构内部损伤的识别过程，最后得出结论：(1)基于自组织竞争网络的子结构损伤识别方法能迅速准确地识别大型结构的损伤情况；(2)基于BP网络所建立的结构损伤识别方法，能对子结构中结构损伤的位置和程度进行进一步的识别；(3)基于人工神经网络技术的结构损伤识别方法是大型土木工程结构损伤识别的有效方法，可在工程结构损伤识别中广泛应用。     

自组织特征映射神经网络在测井岩性识别中的应用

为了解决测井岩性识别问题,引入具有较强的聚类和容错能力的自组织特征映射(SOFM)神经网络．在说明SOFM网络的模型和算法的基础上,结合某地的实际测井资料,建立SOFM网络岩性识别模型,进行岩性识别的应用研究．结果表明,识别的准确率较高,证明SOFM网络可以用于解决测井岩性识别问题,具有很好的应用前景．     

结构损伤识别方法研究综述

对工程结构进行损伤识别与检测,可以发现结构损伤位置,评估损伤程度,为结构加固与修复提供依据,从而保证工程结构正常运行,进而保护人们生命财产安全,因此结构损伤识别方法研究一直是土木工程领域重要研究课题。结构损伤识别方法总体上分为确定性方法和不确定性方法,相比于确定性方法,不确定性方法考虑了识别过程中不确定因素的影响,成为目前损伤识别领域的研究热点。本文回顾了确定性方法和不确定性方法发展历程,阐述了几种常见的损伤识别方法及其优缺点,并根据国内外研究现状对结构损伤识别方法发展进行了展望,可供损伤识别方法研究与应用参考。     

相关辨识抗干扰性的再认识

近年来,基于伪随机信号系统辨识的电法勘查仪器受到广泛关注.教科书和许多文献都指出,伪随机信号系统辨识的突出优点是通过对伪随机信号观测数据的相关处理(即所谓"相关辨识"),具有很强的抗干扰能力.笔者在研制伪随机信号激电仪的过程中发现,相关辨识的抗干扰性并不理想.本文基于仿真模拟和野外试验结果,讨论了相关辨识的抗干扰性.结论是利用全周期相关函数值计算大地(系统)频率响应的伪随机相关辨识,不具有明显增强的抗干扰性.文章分析了其原因.     

基于地震资料的三种岩性流体预测方法对比分析

利用地震资料识别储层流体是储层预测的一项重要内容,对储层流体的识别是通过流体识别因子来实现的.首先引入三种流体识别因子并介绍其预测流体的方法原理,在此基础上以湿砂岩和含气砂岩为例,对比分析了不同流体识别因子对流体的敏感度,然后通过一个具体实例进一步验证了不同方法的特点.分析结果表明,第三种方法对流体的敏感度最高,能更准确地表征岩石孔隙中流体的性质.     

随机子空间方法在桥塔模态参数识别中的应用

基于环境振动的结构模态参数识别方法正逐渐成为国内外研究的一大热点。环境振动方法就是仅仅利用结构测试的输出信号进行结构的模态参数识别,随机子空间方法就是其中的一种。随机子空间法是近年来发展起来的一种线性系统辩识方法,可以有效地从环境激励的结构响应中获取模态参数。它属于时域的方法,该方法不需要进行FFT变换,它不仅可以识别结构的频率,而且可以识别结构的阻尼和振型。文章首先介绍了随机子空间的理论,然后用该方法对正在施工中的南京长江三桥的南塔进行模态参数识别,通过与其他方法的识别结果进行比较,证明随机子空间方法不失为一种有效的模态参数识别方法。     

震源性质的倒谱分析

近年来,天然地震与人工爆破特征识别作为地震事件分类识别的关键技术之一,随受关注度的不断提升获得了长足的发展。文中针对该研究方向出现的识别特征和特征提取方法进行了整体综述,以期为进一步深入研究天然地震与人工爆破特征识别以及拓展其应用领域奠定一定的基础。     

蚁群算法在地表隐伏断裂识别中的应用的探讨——以九寨沟景区为例

在发震地区,准确识别地表断裂带可为地质与地震灾害预测提供基础数据。由于断裂带一般在地表出露是不连续的,在此对基于蚁群算法的地表断裂隐伏段的识别研究进行了尝试,基于遥感图像及航测数据,获取地形、地貌要素以及可以参考的其他要素,使用改进最短对角线方法提取断层表面的图像要素特征作为识别母体,在算法上依次将断裂带三角面片全部配对连接成四面体,再采用蚁群算法进行地表隐伏断裂空间识别。在九寨沟景区中进行了实例探讨,对2017年九寨沟地震的断裂进行尝试性识别,认为该方法可用来初步作为辅助识别地表断裂时的一个参考,同时基于本文方法与其他两种识别方法进行了分析对比。     

基于改进遗传算法的公路桥梁损伤程度标定的两阶段法

提出了基于改进遗传算法的公路桥梁损伤程度标定的两阶段法。第一阶段:应用静应变残差进行损伤定位;第二阶段:基于已经识别出的损伤位置,利用改进的遗传算法进行损伤程度的标定。两阶段方法有效地克服了同时进行常规的损伤位置识别和损伤程度的标定的收敛速度慢、存储空间大及可能误标定等问题。某三跨连续桥梁应用分析发现,在已知很少实测数据的情况下,对损伤程度的识别取得较理想的效果,证实了基于改进遗传算法的两阶段法用于损伤程度的识别具有更高的效率,更好的灵敏度、稳定性和可靠性。     

影响低序级断层识别精度因素的地震正演定量研究

复杂断块油藏是胜利油田勘探开发的重要油气藏类型,储量产量均占三分之一,随着勘探和开发程度的提高,低序级断层识别描述技术是目前该类油气藏钻探成功的关键制约因素.影响低序级断层识别描述精度的影响因素也较为复杂,但对复杂断块油田剩余油分布研究和提高油气采收率具有重要意义.目前,尚没有文献开展低序级断层定量识别特征研究.本文针对低序级断层定量识别方面开展了大量研究,在分析研究区地质特点的基础上,分别针对埋藏深度、速度结构、地震子波主频、信噪比、断面倾角、地层产状、地层和断面的夹角等影响低序级断层识别精度的因素,设计了不同类型的低序级断层地质模型,利用波动方程正演模拟了低序级断层的地震响应特征,建立了5种低序级断层定量识别模板,拟合了2条综合曲线图,实现了影响低序级断层识别精度因素的地震正演定量研究,创新形成了一套完整的影响低序级断层识别精度的定量分析方法.由于以上因素引起的低序级断层同相轴的不同变化,为低序级断层的有效定量解释打下了坚实基础,为低序级断层地震描述技术研究提供了有益指导.     

低渗特低渗砂岩储层流体识别技术研究综述和展望

低渗、特低渗储层是国内外油田地质研究的重点,而其流体识别问题更是一个焦点问题.本文根据以往的研究成果,再认识了低渗、特低渗储层流体识别的难点,进而梳理和归纳了流体识别的常规技术和新技术.研究表明,利用单一的测井解释方法容易引起多解性,技术风险高;基于地区地质、岩心、录井等资料,结合多种测井曲线,开展流体的综合识别评价是一个重要的技术思路;将现代地质数学方法和信号分析技术引入流体识别中将会产生积极地意义,本文对此进行了展望.     

土木工程结构健康诊断中的统计识别方法综述

本文对土木工程结构健康诊断中的统计识别方法进行了综述。对统计识别中的统计系统识别方法(Bayes模型修正、随机有限元模型修正)、统计模式识别方法和概率神经网络方法的基本理论及其在土木工程结构健康诊断中的研究现状进行了论述，在此基础上提出了土木工程结构健康诊断中统计识别方法需要解决的关键问题和研究发展方向。     

基于分子标记的藻类鉴定研究进展

藻类鉴定被广泛应用于藻类遗传学、生理学、生态学和应用藻类学,尤其是藻类调查和评估.然而,基于形态学的鉴定往往因为分类特征未出现或不典型、设备限制和人员经验欠缺等原因带来较大误差.随着测序技术的不断发展,分子标记已成为藻类鉴定的一个通用工具.由于藻类类群众多且差异很大,分子标记的选择成为藻类鉴定的关键.本文综述了蓝藻、硅藻、绿藻、甲藻、裸藻、隐藻、金藻、黄藻、红藻和褐藻等主要门类分子标记的选择及应用进展,包括分子标记选择原则、常用标记和相应序列数据库,以及各个分子标记在不同类群应用中的优缺点等.藻类分子鉴定源于编码核糖体RNA的基因（rDNA）,发展于细胞核、线粒体、叶绿体DNA等.然而,当前藻类分子鉴定逐渐细化和完善,单一的核糖体DNA、内转录间隔区（ITS）和保守蛋白编码基因等短序列分子标记已经很难满足藻类鉴定的需求,多标记组合成为一种必然选择.同时,线粒体基因组、叶绿体基因组、核基因组、转录组和宏基因组等提供了更多遗传进化信息,弥补了短序列分子标记在系统分类应用中的不足.对于藻类鉴定,单纯依赖分子标记或形态学都不足以保证鉴定的准确性,采用将分子生物学、形态学、生理生化学等结合的多相学方法,才能准确地完成鉴定工作.此外,藻类分子数据库的建立和完善是未来分子鉴定的重要工作,快速鉴定方法也必将在未来获得广泛的应用和发展.     

Stiffness identification of two- and three-dimensional frames

Four widely used structural system identification methods are presented. Based on Bayesian estimation theory, two new formulae and their derivations are shown. Time domain responses of two frames when subjected to the ground motion of the El Centro earthquake are computed then transformed to the frequency domain. Frequencies and mode shapes of frames are extracted from Fourier spectra. Using these frequencies and mode shapes, a parametric study is conducted, and the system identification methods are compared and discussed. The importance of a prior analytical model on the rate of convergence of the revised parameters is investigated. Recommendations are given regarding the feasibility of each method for more accurate estimation. A model suitable for parameter identification of three-dimensional frames is presented. This model, with different identification methods, is used to estimate the parameters of a two-storey frame.     

ARX结构模态参数识别方法对比(I)——基于理论地震反应时程的对比

结构参数识别是结构抗震安全性能鉴定和健康诊断的基础。利用地震观测记录来识别结构模态参数,是地震工程领域备受关注的研究课题之一。本文利用三层平面框架结构的理论地震反应时程,对一维、多维和整体ARX模型三种模态参数识别方法进行了对比分析。结果表明：整体ARX模型的识别结果较为稳定且精度较高,更适合于进行多自由度结构参数识别。     

近震S波震相实时自动识别方法研究

提出了一种用于地震早期预警的S波震相实时自动识别方法. 该方法不对原始信号进行任何滤波处理, 直接对三分向记录进行计算分析. 首先根据P波前0.5 s数据的卓越频率计算适用于该三分向记录的窗长, 采用由偏斜角和水平能量与总能量比值的平方积作为确定S波识别区间的特征函数, 将特征函数已有数据的5倍均值和5倍方差之和作为识别区间的触发阈值; 然后采用VAR-AIC方法对两个水平分向识别区间的数据分别计算分析, 对两个识别结果进行判断, 最终确定S波初动时刻. 经过对118个三分向记录的实际应用验证, 通过自动识别结果与人机交互震相识别结果相比, 本文方法对于S波相对P波尾波信噪比大于5 dB的地震记录, 其识别误差小于0.1 s的概率高达89.39%.      

Localized identification of MDOF structures in the frequency domain

For the identification of multi-degree-of-freedom structures, it is not practical to identify all of the parameters included in the structures because enormous computation time is required and because identifiability may not be possible. In this paper, a localized identification approach through substructuring is formulated in the frequency domain. A technique of spectral smoothing is incorporated in the approach to deal with noise-corrupted data. The proposed approach can be used to identify the structural parameters in any part of interest in a structure. The numerical investigations for a lumped mass-spring-dashpot system indicate that faster convergence and higher accuracy are achieved and the noise influences on the identified results are reduced greatly by spectral smoothing. The approach also applies to whole-structure identification if the required records available and the numerical example shows that higher accuracy results are obtained with less cpu time and more poorly guessed initial values as compared with the general complete-structure identification.     

A classification method of building structures based on multi-feature fusion of UAV remote sensing images

In order to improve the accuracy of building structure identification using remote sensing images, a building structure classification method based on multi-feature fusion of UAV remote sensing image is proposed in this paper. Three identification approaches of remote sensing images are integrated in this method: object-oriented, texture feature, and digital elevation based on DSM and DEM. So RGB threshold classification method is used to classify the identification results. The accuracy of building structure classification based on each feature and the multi-feature fusion are compared and analyzed. The results show that the building structure classification method is feasible and can accurately identify the structures in large-area remote sensing images.     

Non-parametric identification of a class of non-linear close-coupled dynamic systems

A non-parametric identification technique for the identification of arbitrary memoryless non-linearities has been presented for a class of close-coupled dynamic systems which are commonly met with in mechanical and structural engineering. The method is essentially a regression technique and expresses the non-linearities as series expansions in terms of orthogonal functions. Whereas no limitation on the type of test signals is imposed, the method requires the monitoring of the response of each of the masses in the system. The computational efficiency of the method, its easy implementation on analogue and digital machines and its relative insensitivity to measurement noise make it an attractive approach to the non-parametric identification problem.     

Automatic modal parameter identification of high arch dams: feasibility verification

Modal parameters, including fundamental frequencies, damping ratios, and mode shapes, could be used to evaluate the health condition of structures. Automatic modal parameter identification, which plays an essential role in realtime structural health monitoring, has become a popular topic in recent years. In this study, an automatic modal parameter identification procedure for high arch dams is proposed. The proposed procedure is implemented by combining the density-based spatial clustering of applications with noise (DBSCAN) algorithm and the stochastic subspace identification (SSI). The 210-m-high Dagangshan Dam is investigated as an example to verify the feasibility of the procedure. The results show that the DBSCAN algorithm is robust enough to interpret the stabilization diagram from SSI and may avoid outline modes. This leads to the proposed procedure obtaining a better performance than the partitioned clustering and hierarchical clustering algorithms. In addition, the errors of the identified frequencies of the arch dam are within 4%, and the identified mode shapes are in agreement with those obtained from the finite element model, which implies that the proposed procedure is accurate enough to use in modal parameter identification. The procedure is feasible for online modal parameter identification and modal tracking of arch dams.