简介:摘要:现如今,我国是社会经济快速发展的新时期,该技术提供了一种天然气管道内腐蚀速率的预测方法,属于天然气管道领域。其中包括:获取目标天然气管道的内腐蚀因素数据和内腐蚀速率数据,作为样本数据;通过灰关联分析法分析样本数据,确定影响目标天然气管道内腐蚀的敏感因素;将敏感因素数据归一化;根据数据归一化后的敏感因素采用遗传算法,对小波神经网络的连接权值、伸缩因子和平移因子进行优化;将优化后的连接权值、伸缩因子、平移因子作为小波神经网络的初始值,根据数据归一化后的敏感因素,进行小波神经网络训练,确定连接权值、伸缩因子、平移因子的最终值,得到天然气管道内腐蚀速率预测模型;根据天然气管道内腐蚀速率预测模型,对内腐蚀速率进行预测,预测内腐蚀速率的精度高。
简介:摘要焊接具有节省材料、生产效率高、结构强度高、密封性好、易实现机械化和自动化等优点,但是由于不均匀的冷却过程使工件易产生焊接变形和残余应力等缺点,这在一定条件下会影响到结构的承载能力、加工精度和尺寸稳定性。本文研究的副车架主要采用CO2气体保护焊组焊完成,焊缝较多,其焊缝总长为2658mm,单个焊缝较长,并且分布密集,因此,其焊接变形成了重要的问题。以前,对于焊接变形的预测大多基于经验或简化方法,因此应用范围比较窄,只能用于简单的板梁结构件,对于复杂的结构则无能为力。随着计算机技术和有限元等数值方法的发展,对于一些复杂结构件焊接变形的预测已成为可能。以往人们对焊接变形的预测,要么是在约束没有去除情况下的焊接变形,要么是在焊接时采用自由变形的方法进行焊接变形的预测。而本文预测焊接变形的方法是焊后去除约束,使工件自由变形,最终得到工件的焊接变形量。这更加符合实际的焊接情况,具有非常实用的工程价值。
简介:摘要:混凝土碳化是指空气中的CO2气体与混凝土中的水化产物发生化学反应,生成中性化的化学成分,从而降低混凝土碱性水平。随着碳化龄期的增长,混凝土保护层可能被完全中性化,导致内部钢筋表面钝化模失稳破坏,钢筋失去保护,进而诱发钢筋锈蚀、保护层开裂等更为严重的耐久性问题。混凝土材料是影响混凝土碳化速率的内在因素。通过优化配置混凝土的水胶比、水泥用量、外加剂以及掺合料等,提高混凝土的密实度,减小内部连通孔隙率,从而降低CO2在混凝土中的扩散系数。其次,环境温度、湿度和CO2浓度等环境因素和混凝土应力状态是影响碳化的主要外部因素。研究表明,混凝土碳化速率随着温度和CO2浓度的增加而加快,相对湿度在50%左右时碳化速率最高,而相对湿度过高或过低均显著降低碳化速率。特别地,在遭受干湿交替作用时,碳化作用更为严重。混凝土受拉时,内部微裂缝扩展而加快碳化速率,在受压时内部孔隙和微裂缝闭合而减小碳化速率。特别在寒冷地区,混凝土结构还同时遭受冻融循环的作用,冻融损伤不仅劣化了混凝土的强度和整体性,而且降低了密实度并增大了CO2的扩散系数,两者共同作用往往导致更为严重的耐久性退甚至结构破坏。基于此,本篇文章对基于混凝土碳化过程的公路隧道衬砌寿命预测进行研究,以供参考。
简介:针对基坑监测数据存在非平稳、非线性等问题,本文采用了一种基于集合经验模态分解 ( EEMD ) 、粒子群 ( PSO ) 和支持向量机( SVM )预测模型。该模型利用 EEMD 将原始的基坑监测数据分解为代表发展趋势的趋势分量和一些平稳的波动分量,进而利用粒子群算法优化的支持向量机对各分量进行建模预测,最后对各预测分量进行叠加重构得到最终的预测结果。实验结果表明:相较与传统 的 SVM 、 PSO-SVM 预测模型, EEMD-PSO-SVM 预测模型能有效提高基坑变形的预测精度。