-
题名爆炸冲击下重力坝不确定性动态响应研究
被引量：1
- 1
-
-
作者
蒋云怒
胡安奎
刘伯相
杨泽江
-
机构
西华大学流体及动力机械教育部重点实验室
四川水利职业技术学院
西华大学能源与动力工程学院
-
出处
《水力发电》
北大核心
2020年第8期53-58,共6页
-
基金
流体及动力机械教育部重点实验室开放基金项目(szjj2014-045)
四川省科技厅项目(2016JY0187)。
-
文摘
为确定重力坝在爆炸荷载作用下的抗爆性能,设计合理的抗爆防护的重力坝结构,研究了重力坝在爆炸荷载下的动态响应特征。首先,统计分析有关爆炸荷载超压峰值的公式及实验数据,建立了爆炸荷载的统计模型。采用RHT模型构建混凝土本构模型,采用自定义的塑性硬化模型构建坝基岩体本构模型。然后,用AUTODYN显示动力学软件对不同测点的动态响应和不同比例距离下的重力坝整体响应进行分析。结果表明,炸药质量和比例距离是影响爆炸荷载作用下坝体结构失效的两个重要因素,随着比例距离的增大,不同爆炸荷载下应力、位移、速度和加速度的变化率逐渐接近且趋于稳定。因此,在对坝体结构进行抗爆设防时,要综合考虑炸药质量和比例距离的影响,确定合理的防爆距离。
-
关键词
重力坝
爆炸荷载
本构模型
比例距离
动态响应
-
Keywords
gravity dam
blast load
constitutive model
proportional distance
dynamic response
-
分类号
TV642.3
[水利工程—水利水电工程]
-
-
题名一维卷积长短期记忆神经网络的管道泄漏检测方法
被引量：11
- 2
-
-
作者
聂维
江竹
刘伯相
林豪
冉义建
-
机构
西华大学能源与动力工程学院
-
出处
《中国农村水利水电》
北大核心
2022年第1期147-152,157,共7页
-
文摘
针对以数据为驱动的管道泄漏检测方法,未能有效同步利用泄漏信号的空间和时序特征的问题,提出一种基于一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)相结合的管道泄漏识别方法。该网络模型以去噪处理后的管道压力信号为输入源,先后使用1D-CNN、LSTM提取其空间特征和时间维度特征,利用已提取的空时两种不同维度的特征建立压力信号与管道状况的对应关系,进而实现对管道泄漏的检测。对比分析实验结果表明,1D-CNN-LSTM方法提取的特征参数更具有效性与可靠性,管道泄漏的检测精准度显著提升。
-
关键词
管道泄漏
检测
压力信号
卷积神经网络
长短期记忆网络
-
Keywords
pipeline leaks
detection
pressure signal
convolutional neural network
long short-term memory network
-
分类号
TV213
[水利工程—水文学及水资源]
TK7
[动力工程及工程热物理—流体机械及工程]
-
