检索结果-南通市图书馆

爆炸与冲击 2025年第3期45卷 77-91页

作者：杜晓庆何益平邱涛程帅张德志上海大学力学与工程科学学院上海200444 西北核技术研究所陕西西安710024

人工智能方法是预测爆炸荷载的新手段,但现有方法主要用于预测爆炸冲击波的超压峰值或冲量,而用于预测反射超压时程的研究不多。针对这一问题,以平面冲击波绕射桥梁主梁为对象,提出了一种基于主成分分析(principal components analysis,... 详细信息

人工智能方法是预测爆炸荷载的新手段,但现有方法主要用于预测爆炸冲击波的超压峰值或冲量,而用于预测反射超压时程的研究不多。针对这一问题,以平面冲击波绕射桥梁主梁为对象,提出了一种基于主成分分析(principal components analysis,PCA)和误差反向传播神经网络(backpropagation neural network,BPNN)的桥梁爆炸冲击波反射超压时程预测模型。该预测模型利用PCA降维处理时程数据,基于多任务学习的BPNN算法,提出了考虑超压峰值和冲量峰值影响的损失函数,使模型能有效预测不同入射超压下的桥梁冲击波荷载时程。通过分析多任务学习模型、多输入单输出模型和多输入多输出模型等3种BPNN模型,发现多任务学习模型的预测精度最高,而多输入多输出模型难以有效适应当前预测任务需求。采用多任务学习模型预测得到的桥梁表面各测点位置的反射超压时程、超压峰值精度较高,决定系数R2分别为0.792和0.987,作用在箱梁上的合力时程和扭矩时程预测值也与数值模拟值较为吻合。同时,该模型对内插值预测的表现优于外推值预测,但其在预测外推值方面同样展现出了一定的能力。

关键词：爆炸荷载预测反射超压时程误差反向传播神经网络主成分分析多任务学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：