摘要：运用最大熵原理从理论上推导了大坝监测数据的熵概率密度函数模型,在此基础上给出了大坝安全监控指标的计算方法。该方法直接根据样本的数字特征值进行推断,而不是先假设呈经典的概率分布,包含最少的主观假定,具有更充分的数学和物理意义,并且算法简单、便于应用。结合具体工程实例,并与传统方法进行对比分析,证实了该方法的有效性、可行性。

摘要：特高拱坝具有“三高一强”特点,长期运行中呈现复杂、多样和时变的变形性态,其中,时变特点隐含了大坝系统安全性的演化过程,对工程健康服役意义重大。规范明确指出,特高拱坝的变形性态需开展专项研究。本文首先分析国内典型特高拱坝的变形时变特性,然后,基于时变效应呈现的差异性,深入剖析特高拱坝时效变形的影响因素和形成机制;接着,考虑时效变形由多种因素叠加产生且不可直接监测,将时效变形视为状态向量,以实测变形作为观测序列,小波分解的趋势项作为状态序列,提出基于状态空间模型的特高拱坝时效变形分离方法;最后,提出时变效应的敛散性判别指标,实现了从时变角度开展大坝安全判定。成果可揭示特高拱坝时效变形的整体演变规律和趋势,并诊断大坝健康服役性能。

摘要：混凝土徐变分析在混凝土结构应力计算和变形分析中有着重要意义。由于影响混凝土徐变的因素较多,徐变函数呈现高度非线性,传统回归方法难以取得令人满意结果。基因表达式程序设计方法,吸取了遗传算法和基因编程两者的优点,在解决非线性拟合问题方面表现出非凡的数据挖掘能力与优势。在基因表达式编程理论分析基础上,利用该方法建立了混凝土徐变函数知识挖掘模型。实例表明,该模型比常规方法得到的函数有更高的精度。

摘要：大坝安全监控系统是一个庞大的系统工程。基于大坝安全监控涉及信息量大、覆盖的知识面广等特点 ,遵循现代计算机应用软件模块化开发、可扩充、易操作的原则 ,充分利用网络技术、数据库技术、成熟的决策支持系统研制技术等学科先进理论及方法 ,提出了“一机四库系统”的设计思想 ,采用了三层Client/Server体系结构 ,设计了动态再生的系统平台 ,从而实现对大坝安全性态的实时在线监控 ,并且为通用的大坝安全监控系统的开发提供了一个新思路。

摘要：针对坝基及坝肩地质缺陷对大坝结构性态影响较大的问题,深入研究了地质缺陷的蠕变特性及其变化规律,据此构建了地质缺陷的法向和切向蠕变分析模型,该模型综合反映了地质缺陷的瞬时弹性变形、衰减蠕变和卸载后滞后回复变形以及不可恢复的蠕变变形。工程实例表明,所建立的地质缺陷的蠕变分析模型能较好地反映地质缺陷对大坝结构性态的影响。

摘要：传统的损伤识别技术很难实现混凝土重力坝水下爆炸毁伤位置及范围的快速识别。通过基于Python的ABAQUS二次开发,批量建立不同毁伤状态下混凝土重力坝有限元模型并进行模态分析的批量计算,构造单损伤、两损伤及三损伤时大坝频率数据库。利用粒子群(PSO)寻优建立了基于支持向量回归机(SVR)的重力坝毁伤识别模型,并通过大坝频率数据库检验集样本评估该模型的识别精度。考虑不同噪声水平对毁伤识别效果的影响,评估了SVR模型对大坝毁伤识别的抗噪性能。结果表明,通过PSO-SVR模型可以准确识别重力坝毁伤位置及毁伤范围,同时该模型具有良好的抗噪性能。

摘要：针对碾压混凝土坝层面影响带具有渐变特性,基于复合材料分析思想,利用串联和并联模型,建立了碾压混凝土坝层面影响带渐变规律分析模型;并根据模型的不同状况,提出了确定层面影响带厚度瞬时弹性模量、延迟弹性模量以及粘性系数等的方法,揭示了决定层面影响带性质的主要计算参数的渐变规律,表征了层面的渐变特性;在上述研究的基础上,建立了相应的三维粘弹性分析模型,研制了相应的各部分分析程序;实例表明,提出的确定层面影响带主要计算参数的方法以及建立的分析模型比较好地反映了碾压混凝土坝的工作性态.

摘要：对高薄拱坝几何参数进行了统计分析,根据此分析结果建立了特高薄拱坝稳定分析概化模型.采用空间有限元稳定分析方法对特高薄拱坝的坝体屈曲问题进行了研究,并通过对拱坝的强度和稳定超载分析,得出了拱坝破坏包络曲线.分析结果表明,特高薄拱坝设计时应重视坝体屈曲影响,考虑坝体屈曲影响后应对应力控制指标进行修正.

摘要：我国已建、在建多座特高拱坝工程,这些工程往往面临着高水头、高边坡和复杂地质条件等特殊服役环境,其设计、施工及安全监控等技术指标突破了现行规范适用范围和以往的工程认知。与一般大坝相比,特高拱坝工程复杂程度高,结构的力学行为具有独特特征,工程建设和运行安全控制要求更为严格。论述了坝体体型工程经验性评价参数、地质力学模型试验、数值模拟仿真分析等特高拱坝结构性态诊断关键技术,以及施工质量控制、温控防裂、跟踪监测反馈等安全监控技术;在此基础上,指出了特高拱坝长效服役健康诊断与安全控制的前沿热点问题,包括时空演化特征挖掘方法、服役风险率实时诊断模型、结构安全动态控制模式、智能感知与超前预警技术等。研究可指导特高拱坝的建设和运行管理。

摘要：为实现大坝长久稳定的安全服役,避免监测资料中的粗差对大坝安全监测结果产生影响,需要对监测数据中的粗差进行剔除。由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生,通过模仿人工识别数据粗差的过程,运用程序设计语言,提出一种基于图像处理技术的自动化粗差识别方法。首先对依据监测数据绘制出的散点图进行高斯模糊和二值化处理,再提取主要趋势线,最后识别出监测数据中的粗差点并进行剔除。选取某实际工程大坝监测资料,运用该方法对其进行粗差识别,并与传统3σ识别准则的粗差识别效果进行对比。算例结果表明:该方法对数据粗差的识别效果更加显著,避免了粗差漏判情况的发生,对粗差的剔除更彻底;利用该方法识别后得到的统计模型复相关系数为0.999,标准差为0.192,模型精度更高,也更符合工程实际情况。因此,该方法具有一定的工程应用前景和实用价值。