-
题名基于可靠度的桥梁结构动力优化设计
- 1
-
-
作者
黄海新
吕亚伦
程寿山
-
机构
河北工业大学土木与交通学院
交通运输部公路科学研究所桥梁结构安全技术国家工程实验室(北京)
-
出处
《计算力学学报》
CAS
CSCD
北大核心
2024年第6期998-1004,共7页
-
基金
天津市交通运输科技发展计划(2021-29,2023-48)
桥梁结构安全技术国家工程实验室开放课题(2019-GJKFKT,2021-GJKFKT)资助项目.
-
文摘
针对桥梁结构所受动荷载具有不确定性的问题,基于模态叠加法推导了动力响应的数字特征,利用一次二阶矩法建立结构的动应力可靠度约束函数,并对其进行显示化处理,分别建立了以频率、动位移和动应力可靠度为约束的动力优化设计数学模型,并基于Matlab平台编制了相应的优化程序。算例测试结果表明,动力优化准则法、粒子群算法和灰狼算法均能在同时满足动力性能和应力可靠度约束条件下使结构整体质量目标函数获得最优值,其中PSO收敛性和稳定性好,DOC迭代次数少,且优化后构件可靠度相较于传统动力优化设计提升超过70%。同时发现,为确保面临较大不确定性时结构的可靠度指标不降低,结构优化后的质量会随着荷载幅值变异系数的增大而有所增加。本文方法可为桥梁结构受外界随机激励下的动力优化设计问题提供理论指导。
-
关键词
结构动力优化设计
动力特性
动力响应
桥梁结构
结构可靠度
-
Keywords
structural dynamic optimization design
dynamic characteristics
dynamic response
bridge structures
structural reliability
-
分类号
O224
[理学—运筹学与控制论]
O313
[理学—一般力学与力学基础]
-
-
题名激励与转角信息未知条件下桥梁结构物理参数识别
- 2
-
-
作者
黄海新
金晓辉
程寿山
-
机构
河北工业大学土木与交通学院
交通运输部公路科学研究所
-
出处
《计算力学学报》
CAS
CSCD
北大核心
2024年第5期948-953,共6页
-
基金
天津市交通运输科技发展计划(2021-29,2023-48)
桥梁结构安全技术国家工程实验室开放课题(2019-GJKFKT,2021-GJKFKT)资助项目。
-
文摘
桥梁结构物理参数识别往往需要完整的结构响应和已知的外加激励信息,这在实践中通常难以实现。为实现转角信息与外加激励数值均未知情况下的桥梁结构物理参数在线识别,先采用静力凝聚方法消去转动自由度,据此将扩展卡尔曼滤波方法与最小二乘方法结合,提出一种改进的扩展卡尔曼滤波方法。其中,针对静力凝聚后观测方程呈现高度非线性,导致卡尔曼量测矩阵计算低效的问题,引入基于克朗尼克积的分解算法。以一座简支梁桥为例,在移动荷载下进行了仿真测试。结果表明,所提方法能够准确地识别结构物理参数和外加激励,且克朗尼克积引入后,识别精度与程序运行速度均有显著提升。
-
关键词
物理参数识别
激励和转角信息未知
改进扩展卡尔曼滤波
静力凝聚法
量测矩阵分解
-
Keywords
physical parameter identification
unknown excitation and rotational angle information
improved extended Kalman filtering
static coalescence method
decomposition of the measurement matrix
-
分类号
O327
[理学—一般力学与力学基础]
-
-
题名基于改进DeepLabV3+的钢桥锈蚀检测方法
- 3
-
-
作者
黄海新
贺朝
程寿山
许瑞宁
张连振
-
机构
河北工业大学土木与交通学院
交通运输部公路科学研究所桥梁结构安全技术国家工程实验室(北京)
河北省交通规划设计研究院有限公司太行创新研究院
哈尔滨工业大学交通科学与工程学院
-
出处
《重庆交通大学学报(自然科学版)》
北大核心
2025年第2期18-24,60,共8页
-
基金
桥梁结构安全技术国家工程实验室开放课题(2021-GJKFKT)
旧桥检测与加固交通行业重点实验室(北京)开放课题(2020-JQKFKT-3)
+1 种基金
天津市交通运输科技发展计划项目(2022-48)
交通基础设施智慧运维技术装备研发与应用示范项目(2023-420)。
-
文摘
锈蚀检测算法是钢桥管养从人工视觉向机器视觉转型的关键,更是智能化钢桥检测机器人构建的技术基础。面向钢桥智能检测机器人对锈蚀检测算法低能耗和高精度的实际需求,针对DeepLabV3+模型加以改进,采用MobileNetV2主干网络替换原模型中的Xception主干网络,使模型轻量化以易适配移动端设备,优化ASPP模块中的空洞率以提高网络对不同尺寸锈蚀的提取效果,添加CBAM注意力机制增强模型对关键特征的感知和捕捉;将改进后的DeepLabV3+模型与原DeepLabV3+模型、PSPNet模型和U-Net模型进行了对比,同时开展了消融实验;最后,将改进模型搭载于视觉机器人上,并开展实地工程测试。结果表明:相比于其它模型,改进的DeepLabV3+模型对钢桥锈蚀图像的分割准确率平均提高了7.5%,平均交并比平均提高了14.7%,召回率平均提高了9.1%。
-
关键词
桥梁工程
DeepLabV3+
钢桥锈蚀检测
卷积神经网络
图像分割
-
Keywords
bridge engineering
DeepLabV3+
steel bridge rust detection
convolutional neural networks
image segmentation
-
分类号
U446.3
[建筑科学—桥梁与隧道工程]
-
