摘要：针对复合材料螺栓连接强度预测问题,设计拉伸试验并记录极限载荷。将试验变量数值化抽象为神经网络输入神经元参数,基于BP神经网络理论,建立强度预测模型。使用三组预留的试验结果验证模型的准确性,三个测试组预测误差分别为6.13%、1.63%、3.34%。调整训练组的组成并重新训练模型,结果表明,本文模型针对训练组未出现参数值有着较好的预测能力。最后建立有限元分析模型进行对比分析,结果表明,针对复合材料螺栓连接强度预测问题,相比有限元方法,神经网络方法精度相当,且具有明显的速度优势。

摘要：尾砂粒级、胶凝材料和掺和料是影响尾砂湿喷混凝土单轴抗压强度的重要因素,针对5种尾砂、2种胶凝材料和2种掺合料设计63组配合比并开展单轴抗压强度试验,获得了各因素及耦合因素对尾砂湿喷混凝土抗压强度的影响规律与机理,并利用ANFIS建立了尾砂湿喷混凝土强度预测模型。结果表明:在单一影响因素下,尾砂粒度、粉煤灰掺量与尾砂湿喷混凝土抗压强度均呈正相关关系,而尾砂湿喷混凝土强度则随硅灰掺量增加呈先升高后降低的趋势;当胶凝材料掺量不超过570 kg/m^(3)时,胶固粉对湿喷强度的提升效果较好;当胶凝材料掺量高于570 kg/m^(3)时,水泥对湿喷强度的提升效果较好。水泥掺量与尾砂湿喷混凝土抗压强度间遵循Logistic曲线规律,胶固粉则遵循Log-Normal曲线规律;基于ANFIS构建的尾砂湿喷混凝土强度预测模型的预测精度高于90%,平均预测精度为98.2%,最高预测精度可达99.8%,实现了尾砂湿喷混凝土强度的高精度预测。研究结果对尾砂湿喷混凝土的工程应用具有重要指导意义。

摘要：为了采用Barton-Bandis模型描述岩体特征,并将其参数应用于数值计算中,探讨Barton-Bandis参数到Mohr-Coulomb准则参数的转换,研究Barton-Bandis参数对Mohr-Coulomb参数的影响。研究结果表明:Barton-Bandis参数到Mohr-Coulomb准则参数的转换方法方便有效;随着节理粗糙系数JRC和节理压缩强度JCS的增大,Mohr-Coulomb参数粘结力c和内摩擦角φ均呈现非线性增大,可通过指数方程对其关系进行拟合;JRC的变化对粘结力的影响大于其对内摩擦角的影响;JRC对岩体剪切强度的影响大于JCS对岩体剪切强度的影响。

摘要：人工冻结法是富水软岩地区地下工程的重要施工方法,探究冻结岩石强度特性的研究具有重要的理论研究价值和工程实际意义。白垩系饱和砂岩为研究对象,开展不同温度(+20℃,0℃,-10℃和-20℃),不同围压(0,2,4和6 MPa)条件下三轴压缩试验。研究结果表明冻结作用对饱和砂岩力学特性有着较大影响:(1)相同围压,温度由+20℃降到-20℃时,峰值强度提高2～4倍;(2)相同温度,围压由0 MPa升至6 MPa时,峰值强度提高1～3倍;(3)此外冻结状态下黏聚力可提高5倍,内摩擦角出现增大趋势。随后基于5种已有强度准则理论,以试验数据为参数计算各准则表达式并对比分析各准则对饱和砂岩冻结强度的预测效果,结果表明Rocker准则能够更为准确和方便的预测不同温度下饱和砂岩强度,并依此提出考虑温度效应的饱和砂岩Rocker强度准则,并验证了其具有良好的预测效果,上述结果将为低温环境下岩石力学特性研究及地下冻结工程设计施工提供有益的参考。

摘要：针对模糊系统中规则结论为数值和线性函数的两种表示方式 ,找到了它们的共同点 ,将它们置于同一网络结构中 ,形成规则结论为数值和线性函数 (T -S模型 )的两种模糊神经网络 (FuzzyNeuralNetworks,简称FNN) ,导出了它们的网络模型及其学习算法。并首次将其应用于高强混凝土强度预测和配合比设计中。文章还介绍了一种简单有效地从样本数据中提取模糊规则及确定FNN参数初值的方法。运算结果表明 ,FNN不仅具有很高的预测精度 ,而且网络的结点和权值均具有明确的物理意义 。

摘要：针对复合材料泡沫芯夹层一体化天线结构开展试验研究,对比含天线和不含天线两种结构面内、面外力学性能,试验结果表明:含天线结构强度小于不含天线结构强度。在试验研究的基础上,通过引入针对复合材料层合板的Tsai-Wu张量判据和针对泡沫芯材料的三参数广义强度准则,对含天线和不含天线泡沫芯夹层结构的渐进损伤过程进行数值模拟,并预测了材料的面内压缩强度和面外拉伸强度。数值模拟结果与试验结果吻合良好,证明了模型的合理有效性。同时,研究了层板厚度、层板铺层角和泡沫芯厚度等因素对材料强度的影响规律,为复合材料一体化天线结构的优化设计提供了必要的参考。

摘要：混凝土抗压强度是影响建筑质量的主要因素,根据一些主要参数事先预测其强度可作为现场施工的参考。以支持向量回归(SVR)为理论基础,提出一种基于马氏距离的加权型SVR(MWSVR)的人工智能算法对混凝土强度进行预测。不同于将训练样本统一看待的传统方法,该算法根据训练集和测试集自变量的距离来决定训练样本在求解SVR模型中的重要性,距离测试集近的训练样本权重更大,赋予其更高的惩罚因子,从而得到更优的回归超平面。通过与决策树、随机森林、BP神经网络、RBF神经网络和传统SVR方法的比较研究,发现该算法具有更低的均方根误差。

摘要：考虑到抗压强度对混凝土设计的重要影响,本文提出了改进麻雀搜索算法(ISSA)和门控循环单元(GRU)结合的ISSA-GRU预测模型,实现对高性能混凝土抗压强度的精准预测。对收集的数据集进行归一化处理后,利用基于光谱-理化值共生距离(SPXY)法对数据集进行训练集和测试集划分,采用GRU对高性能混凝土抗压强度进行回归预测,并通过引入动态惯性权重的ISSA,加强对GRU网络参数的寻优效率。结果表明,在使用相同数据样本的情况下,将ISSA-GRU模型与长短期记忆(LSTM)网络、核极限学习机(KELM)和支持向量回归(SVR)模型进行比较,其均方根误差RMSE分别降低了9.3%、37.5%、33.5%,平均绝对误差MAE分别降低了13.5%、38.5%、41.7%。同时,研究了训练集数据量和输入变量对模型预测性能的影响,研究结果表明,所提出的模型能高效寻找超参数,具有较高的预测精度和较好的适应性,为多样化原材料和混凝土特定性能的发展提供可行参考。

摘要：强度是水泥土设计的重要指标,水泥土强度预测可以为工程设计提供理论依据。目前国内外学者均是利用室内试验研究水泥土强度特性,导入强度评价参数,建立水泥土强度预测公式,但是强度评价参数不同。本文利用一系列室内试验结果,提出综合参数和水泥土强度预测公式,并对比分析目前较常用的水泥土强度预测公式。研究结果表明:水泥土强度随水泥掺入比和养护龄期的增加而增加,随含水比的增加先升高后降低;水泥土密度不随养护龄期的改变而改变。灰水比与水泥土初始密度的比值是描述水泥土强度的一个合理参数,提出的水泥土强度预测公式预测结果与试验结果基本吻合。

摘要：现有宏观控制因素作用下对冻土宏观强度的研究主要采用试验手段,在实践中已取得较好的成果。室内外试验普遍存在试验周期长、成本高的特点,随着新技术手段的涌现,探索更为简便的方法和构建预测模型,成为了科研工作者长期努力的方向。同时宏观控制因素对冻土宏观强度的影响借助土体内部特征这一媒介发挥作用。由于超声波是岩土介质物理力学性质等相关信息的良好载体,利用超声波检测具有的无损、快速、简便等特点,可反映土体内部特征。因此,本文从两种思路出发,设计出包含不同类型参数的强度预测模型:思路1,宏观控制性因素到宏观强度特性;思路2,宏观控制性因素到超声波速反映的土体内部特征再到宏观强度特性。基于此,首先通过试验获取不同含盐量土体经历不同冻融循环次数的超声波速和单轴抗压强度作为基本数据,再将思路1参数设置为试验控制变量,将思路2参数设置为纵、横波速构造的超声特征参数群,即联合两思路参数作为模型输入,建立单轴抗压强度的BP神经网络预测模型,并采用缺省因子检验法评估该模型。结果表明,随冻融次数、含盐量增加,单轴抗压强度总体减小;冻融初期波速波动明显,中期趋缓,后期恢复至初始值附近,且控制性因素作用下强度随波速增加呈阶梯式下降状态。而将经灰色关联度及粗糙集优化的思路2参数作响应土体内部特性的最优子序列建立的BP模型,平均绝对误差小于0.05 kPa,决定系数大于0.96,各参数敏感性指数平均为1.4251。同时敏感性分析成功验证了控制性因素、最优子序列在模型构建过程的假设地位,单个控制性参数对单轴抗压强度的影响大于单个超声特征参数。此外,模型精度较高、实用性较强,可为冻土模型的强度预测及参数选取提供参考。