软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自...软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。展开更多
传统对含缺陷管道失效应力的预测方法存在误差偏大的问题。针对该问题,利用MATLAB软件建立基于PSO–GPR(particle swarm optimization–Gaussian process regression)含缺陷管道失效应力预测模型。通过对60组含缺陷管道的试验数据进行测...传统对含缺陷管道失效应力的预测方法存在误差偏大的问题。针对该问题,利用MATLAB软件建立基于PSO–GPR(particle swarm optimization–Gaussian process regression)含缺陷管道失效应力预测模型。通过对60组含缺陷管道的试验数据进行测试,发现预测结果与实测结果均在95%置信区间内,表明可以将均值作为预测结果。对预测结果进行分析表明:高斯过程回归的预测结果与实测结果的最小相对误差为0.003%,最大相对误差为1.205%,平均相对误差为0.319%,基于预测结果和实测结果的散点均落在曲线y=x的±1.3%误差带中,验证了高斯过程回归预测模型的准确性,为管道的工程实际应用与维修提供较为精准的判断依据。展开更多
文摘传统对含缺陷管道失效应力的预测方法存在误差偏大的问题。针对该问题,利用MATLAB软件建立基于PSO–GPR(particle swarm optimization–Gaussian process regression)含缺陷管道失效应力预测模型。通过对60组含缺陷管道的试验数据进行测试,发现预测结果与实测结果均在95%置信区间内,表明可以将均值作为预测结果。对预测结果进行分析表明:高斯过程回归的预测结果与实测结果的最小相对误差为0.003%,最大相对误差为1.205%,平均相对误差为0.319%,基于预测结果和实测结果的散点均落在曲线y=x的±1.3%误差带中,验证了高斯过程回归预测模型的准确性,为管道的工程实际应用与维修提供较为精准的判断依据。
