【摘要】：運(yùn)用科學(xué)準(zhǔn)確方法對運(yùn)營高速公路隧道進(jìn)行評價,能夠準(zhǔn)確評價病害程度,保證隧道運(yùn)行安全避免交通事故的發(fā)生,利用有限的資源及時對隧道做出有針對性的養(yǎng)護(hù)工作,同時延長隧道使用壽命。目前運(yùn)營公路隧道結(jié)構(gòu)健康的評價方法有很多種,大部分依據(jù)主觀經(jīng)驗(yàn)和定性分析進(jìn)行評價,導(dǎo)致評價結(jié)果具有很強(qiáng)的主觀性,影響措施的及時采取和后期維護(hù)工作的進(jìn)行。BP神經(jīng)網(wǎng)絡(luò)利用大量數(shù)據(jù)樣本進(jìn)行網(wǎng)絡(luò)模型的學(xué)習(xí)訓(xùn)練,使得運(yùn)營隧道健康狀態(tài)評價結(jié)果更加準(zhǔn)確。結(jié)合隧道專項(xiàng)檢查主要內(nèi)容,對隧道典型病害進(jìn)行分析,選取出符合原則的隧道有關(guān)病害作為評價指標(biāo),構(gòu)建了運(yùn)營高速公路隧道健康評價指標(biāo)體系,根據(jù)各個評價指標(biāo)檢測數(shù)據(jù)對運(yùn)營公路隧道健康情況進(jìn)行評價。設(shè)計了運(yùn)營高速公路隧道健康狀況評價集,制定了健康等級量化標(biāo)準(zhǔn),確立了5個健康等級。對BP神經(jīng)網(wǎng)絡(luò)原理進(jìn)行了詳細(xì)的分析,針對BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中容易陷入局部最優(yōu)的缺陷,提出將遺傳算法和神經(jīng)網(wǎng)絡(luò)兩種算法的優(yōu)點(diǎn)相結(jié)合,選擇遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。利用BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和非線性處理能力,基于MATLAB軟件建立了遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的評價模型。依托河北省張涿高速公路保定段隧道歷史病害數(shù)據(jù),對建立好的模型進(jìn)行測試,不僅能準(zhǔn)確快速的得出隧道健康評價值,而且與優(yōu)化前相比誤差精度大大提高。
【學(xué)位授予單位】：石家莊鐵道大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U458;TP183
【圖文】：

隧道病害評價指標(biāo)的選取道健康狀態(tài)不能通過現(xiàn)有的工具和手段直接進(jìn)數(shù)據(jù)綜合評價。土建結(jié)構(gòu)病害情況是公路隧道養(yǎng)護(hù)技術(shù)規(guī)范》(JTG H12—2015)[42]，結(jié)合運(yùn)營測和專項(xiàng)監(jiān)測的記錄數(shù)據(jù)進(jìn)行分析研究，滿足康狀態(tài)的主要病害指標(biāo)有襯砌裂縫、滲漏水、空洞、襯砌凈空變形和襯砌起層剝落。構(gòu)暴露在外界環(huán)境中，在溫度變化、地下水等開裂現(xiàn)象，如圖 2-1 所示�？梢姾臀⒂^裂縫是目等于 0.05 mm 微觀裂縫由于肉眼不可見，并不選取寬度大于 0.05 mm 的可見裂縫作為研究對

裂縫深度增加導(dǎo)致隧道承載力下降，態(tài)評估的二級子指標(biāo)�？p中最為常見的是變形和受力裂縫，其中受變形裂縫幾乎無影響。根據(jù)獨(dú)立性和簡潔性切方向及位置；襯砌裂縫的發(fā)展性由于財力展速度和規(guī)律，從可操作性原則所以未將其養(yǎng)護(hù)技術(shù)規(guī)范》(JTG H12—2015)中規(guī)定：布密度大于 200 cm/m3時，評價時要升高一個原則，沒有把分布密度列入本文的評價指標(biāo)以得出，襯砌裂縫病害程度可以用襯砌長度見的病害之一就是滲漏水，滲漏水問題存在作用導(dǎo)致滲漏水問題無法避免，如圖 2-2 所態(tài)的一級評估指標(biāo)。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測法[J];金融經(jīng)濟(jì);2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學(xué)術(shù)動態(tài);1996年01期

3 王方;苗放;陳墾;;基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測預(yù)警仿真[J];計算機(jī)仿真;2019年11期

4 馬猛;王明紅;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預(yù)測[J];輕工機(jī)械;2019年06期

5 莊連生;呂揚(yáng);楊健;李厚強(qiáng);;時頻聯(lián)合長時循環(huán)神經(jīng)網(wǎng)絡(luò)[J];計算機(jī)研究與發(fā)展;2019年12期

6 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

7 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

8 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

9 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

10 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究[J];電工技術(shù);2019年11期

相關(guān)會議論文 前10條

1 孫軍田;張U

本文編號：2713953