参数选取（精选7篇）
参数选取 篇1
摘要：利用kaiser效应测量地层应力成为目前国内外最为普遍的方法, 但是这种方法在室内测量中与真实值还有一定的误差。加上人工读图的误差会使得测得值与真实值有更大的差距。所以合适的参数对于对于减小误差有着很重要的作用。本文通过调研阐述了能量——时间和声发射次数——时间曲线来作为判断kaiser效应点的优势。
关键词：kaiser效应点参数误差能量,时间声发射,时间
一、kaiser效应的研究进展
随着kaiser效应的发现, 国内外很多学者对kaiser效应做了大量的研究。他们不断在前人的基础上完善kaiser效应在地应力测量中的应用, 通过大量的实验测试大量测试以寻找区域性地应力变化规律。1963年Goodman对砂岩和石英闪长岩进行研究表明只要延迟几个小时, 岩石将失去kaiser效应 (3) 。1976年, 外国学者金川忠等人在进行kaiser效应的研究时明确提出岩石的凯塞效应记忆的是历史上的最大应力, 之后学者村山朔郎提出:岩石凯塞效应同样记忆了岩石对应历史上的最大应变 (4) 。1989年Yoshikawa和K.Mogi指出时间效应与预加力有关, 预加力越接近岩石极限强度, 则kaiser效应丧失的越快 (5) 。1993年, 我国学者秦四清在利用kaiser效应测量岩石地应力时得出结论:岩石记忆应变的精度高于应力 (6) ;同年Hardy对岩盐的kaiser效应做了一定的研究, 提出了FR (kaiser效应对应的应力与先前应力之比的值) 的概念, 认为FR的值越接近于1实验结果越精确 (7) 。2009我国学者陈勉等人在研究加载速率对不同岩性岩石kaiser效应影响中总结了当加载速率较快时, 砂岩、粗砂岩、泥岩等岩石相对于加载速度较慢的测试, Kaiser点对应的应力值增大, 但对于灰岩等脆性岩石, 加载速率对其Kaiser效应影响甚微。 (8) 到目前为止, kaiser效应的研究多是对某种岩样的测试现象加以总结, 不同地层不同岩性的kaiser效应的机制、规律和影响因素等还有待进一步研究, AE测量地应力的方法步骤尚未标准化, 许多情况下kaiser效应点不易判别。所以选择合理的曲线使kaiser效应点更加突出尤为重要。
二、不同参数曲线判定kaiser效应点的研究
通常我们对声发射信号的评价和分析最常用的单参数分析法有计数分析法, 能量分析法和幅度分析法。目前这些参数都是通过对仪器输出波的处理而得到的, 即通过在仪器上所显示的图形来判读我们所需要的数据。一般有如下几类参数:
1) 声发射累计数 (N) ———在某一特定时间内所产生的声发射事件总数;
2) 声发射率 (NR) ———单位时间内产生的声发射次数;
3) 振铃计数 (C) ———超过门槛值所显现出来的信号。可分为总计数和计数率;
4) 声发射事件的幅度 (A) ———某一时间内所观测到的声发射信号的最大振幅;
5) 声发射能量 (E) ———某一特定时间内观测到的声发射信号振幅的平方;
6) 声发射累计能 (ΣE) ——某一特定时间间隔内所观测到的所有声发射信号能量之和;
7) 声发射能率 (ΣR) ———单位时间内观察到的所有声发射信号的能量之和。
(一) 参数分析方法
目前通常用计数法来处理声发射信号。上述声发射累计数, 声发射率振铃计数都是应用计数法的原理来统计的。声发射事件指的是材料内部由于受到外部力的作用产生局部的变化所产生的声音信号, 声发射累计数 (振铃计数) 记录的是声发射信号超过门限阈值的次数, 这一门限阈值的选取也有一定的讲究在这里不重点讨论。计数率是单位时间内超过设定阈值的信号次数, 换能器对某一事件的响应频率, 换能器自身固有的阻尼特性, 仪器结构自身的阻尼特性和所设定的阈值的大小对声发射计数率有很大的影响。当然计数法也有它的的缺点, 它容易受样品的几何形状、所加润滑剂的性能, 探头的频率高低, 和滤波器工作状况等因素的影响。
能量测量作为声发射信号测量中定量测量的主要方法之一有其独特的优势。在前人的研究中发现声发射信号的能量与声发射波形的面积成正比例关系。目前声发射信号波形的面积可以利用声发射仪多用数字化电路直接测量, 对于突发型声发射信号同样可以利用这一仪器测量每个事件的能量。而且通过测量声发射信号能量可以直接与材料的某些重要物理参数 (如声发射产生的能量、应变率等) 联系起来, 而不需要另外去建立声发射信号的模型。而且对声发射能量的测定也能解决小幅度连续型声发射信号的问题。由上可知声发射事件能量的测量是一种能很好反应声发射事件的参数值。
反映声发射信息的处理办法有信号峰值幅度和幅度分布, 不仅信号峰值幅度与材料中产生声发射源的强度存在着很直接的联系, 而且幅度分布与材料的形变机制也有一定的联系。影响测量声发射信号幅度的因素有换能器的响应频率、换能器的阻尼特性、结构的阻尼特性和阈值水平等, 应用对数放大器, 不论是对声发射大的信号还是对声发射小信号, 都能对峰值幅度进行精确的测量。
(二) 声发射事件参数的选取
针对以上这么多的参数必须选取合适的参数使kaiser效应点更加明显。纪洪广 (10) 在分析混凝土临界断裂时, 将声发射参数的分形特征作为临界状态的识别特征。尽管与声发射源特征的相关信息在声发射参数的基础上都能够得到体现, 然而研究者随意地选取参数, 声发射技术应用试验条件、研究对象、参数选取的差异, 造成了对声发射源的评价的差异。我们知道, 声发射信号的能量与声发射波形的面积成正比例关系, 我们可以测量突发型声发射信号时间的能量分布, 能量分布, 显示了大能量的声发射事件, 解决了测量小幅度连续声发射信号的问题。除此之外, 采用累积能量能够抑制了低能量AE的影响, 突出了大能量事件的作用, 从物理机制上能更好地表征Kaiser效应。下图就是声发射———时间和能量时间图从图上我们可以很清楚的判断出kaiser效应点。所以声发射累计次数正是由于信号处理的简便, 并且能反应信号的频度和强度, 被广泛用于评价声发射活动。
三、总结
综上所述, 声发射信号参数分析方法被认为是声发射试验和工程检测中广泛使用的经典方法, 其具有对声发射仪的要求较低, 分析方式简单、直观, 分析速度快, 实时性好, 便于检测人员掌握和操作等优点, 而且能量———时间曲线和声发射次数———时间曲线的结合判断使得kaiser效应点的读取越来越准确, 在将来的声发射技术发展中, 能量和声发射参数仍将起到不可替代的作用。
参考文献
[1]Kaiser J.Erkenntnisse und folgenungen aus der messung von geriiuschen bei zugbeanspruchung von metalischen werks offen J.Archiv eisenhuttenwesen, 1953.
药筒旋压变形工艺参数选取分析 篇2
影响强力旋压变形过程的各种工艺因素, 统称为旋压变形的工艺参数。这些工艺参数的选择直接决定着材料在强力旋压时的变形过程, 也影响着旋压件的质量、旋压力的大小和旋压的生产效率。本文就如何确定旋压生产中的工艺参数进行分析研究[1]。
1 减薄率的选取
旋压壁厚减薄率代表旋压变形程度的大小, 用ψf表示, 减薄前、后的关系为:
其中:t0为减薄前的壁厚;tf为减薄后的壁厚。
减薄率受材料最大减薄率和旋压件性能指标的制约, 因此, 强力旋压时必须有足够的壁厚减薄率。从提高生产效率来说, 每道次旋压的减薄率都希望大一些, 使旋压次数尽可能少, 但减薄率过大, 会带来一系列的工艺问题和质量问题, 如旋压力过大, 会降低模具寿命, 材料流动失稳形成隆起, 旋压力急剧增大最终导致旋压成型困难等。不同减薄率下的材料变形如图1所示。
根据实践经验与仿真结果比较, 筒形件一次旋压的减薄率最好小于40%。材料较软时, 容易产生隆起, 壁厚减薄率应该取小些。
2 进给比的选取
在强力旋压过程中, 通常用vs来表示旋轮的进给速度, 但由于判断成形效果时应考虑毛坯的转速, 因此毛坯每转的旋轮移动量的大小是极为重要的因素, 称其为旋轮的进给量, 即进给比f。进给比和旋轮与旋压件接触点的线速度υ0之间的关系为:
其中:D为旋压件变形处的直径。
进给比在旋压过程中对旋压件的质量影响比较明显, 尤其对内径和壁厚精度以及旋压件表面质量较为显著。一般情况下, 增大进给比会使旋压件的表面质量降低, 并使材料隆起增大, 更容易造成表面瑕疵。但适当地增大进给比, 可改善旋压件的贴模情况, 使扩径减轻, 直线度提高。当采用大减薄率时, 应选用较小的进给比[2]。不同进给比下的材料变形如图2所示。经过仿真模拟比较, 钢的进给比可在0.1 mm/r~1.5mm/r的范围内选取。
3 旋轮结构参数的选取
强力旋压所用旋轮有各种不同的形状, 其形状一方面取决于旋轮与其他零件的连接方式, 另一方面旋轮的外形 (包括旋轮直径和工作型面) 则取决于旋压的变形情况。在满足旋压件质量的前提下, 应选用形状最简单的旋轮, 为节省旋轮的制造经费, 提高旋轮的工作寿命, 故常选取双锥面旋轮。
双锥面旋轮形面结构要素主要有旋轮的工作圆角半径rp、成形角α、旋轮直径Dp以及旋轮的工作表面状态等, 它们都对能否制造出合格的产品产生直接的影响。旋轮工作型面的形状和尺寸取决于成形工序的具体条件, 按照成型条件的具体要求并参考旋压件的减薄率而进行设计[3]。其筒形件变薄旋压所用旋轮的形状如图3所示。
3.1 旋轮的圆角半径rp
影响旋轮旋压过程的重要因素包含旋轮的圆角半径, 在实际生产中, 旋轮的圆角半径rp取决于毛坯的厚度, 经验数据为rp= (0.4~1) t0 (t0为毛坯壁厚) , 对于轻型旋压机, rp=6mm的旋轮是最常用的[4]。
当旋轮的圆角半径rp= (0.4~1) t0时, 旋轮使得运动轨迹的重叠部分有所增加, 这样可提高工件外表面的光洁度, 但此时旋转速度增大, 旋压力增大, 且易造成毛坯凸缘部分不平衡。反之, 当rp<0.4t0时, 变形区的接触压力在单位内增大, 且毛坯的接触面积减小比例要更大些, 所以结果使旋压力逐渐减小。如果rp过小, 会造成切削现象, 损害工件表面光洁度, 可能会出现裂纹 (尤其是旋压低塑性材料时) 。在一般情况下, 材料硬时, 旋轮圆角半径可取的小些;相反, 材料软时, rp可取的大些。
3.2 旋轮的成形角α
对于筒形件强力旋压用旋轮来说, 结构参数中, 成形角是十分重要的, 旋压力的大小及其在各方向上的支配受制于成形角, 并且影响旋压件的表面质量和精度。
依据对旋压变形的分析可知, 要获得直径精度高的旋压物件, 必须尽可能减少材料的周向流动而促进材料的轴向流动, 便于顺利成形。由旋压力的计算公式可知, 条件相同的情况下, 当旋轮成形角α增大时, 伴随轴向平均接触长度Zm减小而周向平均接触长度Xm增大, 当Zm/Xm≤1时, 材料流动正常;当Zm/Xm>1时, 材料的周向流动增大, 变形不稳定, 直径精度差。因此, 从这个角度考虑, 应取旋轮成形角α偏大些。
生产实践表明, 在旋轮成形角取较大值时, 工件贴模度高, 尺寸精度好, 但这样却容易引起材料产生隆起, 于生产不利;反之旋轮成形角取较小值时, 欲防止材料的隆起, 却发生工件贴模差, 扩径比较大。如旋压无座力炮管时, 旋轮成形角由30°降至20°, 伴随的扩径量增大约为50%。不同成形角下的材料变形如图4所示。
由以上因素综合分析得知, 每一旋压条件具体都存在一个成形角最佳值的选取, 根据实际试验、经验数据和仿真模拟, 一般成形角的取值大小为20°~30°, 现行的实际旋压生产中所用旋轮的成形角基本都在上述范围内, 而一般都以20°, 25°和30°的居多。
3.3 旋轮直径Dp
旋轮直径Dp的增加有利于旋轮与工件间的周向平均接触长度Xm的增加, 并且使Zm/Xm值减小, 可提高旋压件的直径精度, 有利于提高工作面的光洁度和寿命。而增大旋轮直径将增加其制造费用, 且旋轮的最大直径还受到工件最小壁厚的限制, 旋轮最大直径可由下式确定:
其中:tmin为成品筒形件的最小壁厚;μ为摩擦因数;σkK为变形率为K时的材料抗拉强度。
旋轮的最小直径取决于其强度、刚度及轴承的承载能力, 并应根据规定的生产率和其他有关工艺参数计算。根据经验公式一般取Dp= (1.2~2) d (d为芯模直径) 。
4 结论
根据实际经验和仿真模拟比较, 对旋压时工艺参数的选取原则如下:①筒形件一次旋压的减薄率最好小于40%, 材料较软时, 容易产生隆起, 壁厚减薄率应该取小些;②对钢的进给比可在0.1mm/r~1.5mm/r的范围内选取;③成形角的大小一般取20°~30°, 一般都以20°, 25°和30°的居多。
参考文献
[1]徐洪烈.强力旋压技术[M].北京:国防工业出版社, 1984.
[2]陈国光, 董素荣.弹药制造工艺学[M].北京:北京理工大学出版社, 2004.
[3]张华.旋压药筒筒体成形过程工艺参数优化仿真研究[D].太原:中北大学, 2012:21-23.
多机系统参数辨识的观测变量选取 篇3
发电机对于电力系统具有重要影响,所以有关发电机模型和参数辨识的研究成果比较丰富[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21]。
在多机电力系统中,不同的观测变量对于参数的灵敏度是不同的,所以选择不同观测变量进行参数辨识的效果也就不同。对于多机电力系统来说,模型的好坏主要看能否模拟出系统的整体动态行为,一般比较关注区域之间发电机相对功角、联络线功率以及枢纽母线电压[2,3,4]。
文献[5]提出并证明了根据灵敏度的相位来判断参数可辨识的思路。但采用不同的观测变量,同一参数的灵敏度相位有可能是不同的,所以采用单一的观测变量得到的参数可辨识性是不全面的。基于PMU技术的广域测量系统(WAMS)可以测量获得全系统的相量,而且是在线动态数据,包括节点的相量、发电机相对功角、区域之间的相对摇摆、联络线功率等,为不同观测变量的获取提供了技术手段[6,7]。
本文针对多台发电机参数辨识,从灵敏度相位、灵敏度大小及参数辨识精度三个方面,对比了五种观测变量,得到了重要的结论。
1 算例系统
以IEEE-9节点系统作为算例系统,如图1所示。该系统中有3台发电机,其中1#发电机采用6阶Park模型,2#和3#发电机采用相同类型的5阶Park模型[2,3,4,5]。
故障是线路7-8的中点发生瞬时性三相短路,持续时间0.06 s。利用PSD-BPA软件仿真计算得到系统动态轨迹。
本文对比研究五种观测变量,即发电机的相对功角、联络线的有功功率、联络线的无功功率、发电机母线(节点1、节点2和节点3)正序电压之间的相角、枢纽母线(节点4、节点7和节点9)的电压。
2 灵敏度相位对比
为了节省篇幅,重点介绍2#和3#发电机的5阶Park模型。在三种情况下计算轨迹灵敏度,单独改变2#发电机参数、单独改变3#发电机参数、同时改变2#和3#发电机的同一参数。
计算结果表明:(1)采用五种观测变量,均显示三组参数{X ad、X f}、{X D、rf}、{X aq、X Q}几乎同时过零点(反相)。以2#和1#发电机相对功角为例,曲线见图2。但这三组参数之间的轨迹灵敏度并不同时过零点。(2)以联络线无功功率作为观测变量时,X l与{X D、rf}几乎同时过零点。以线路8-9的无功功率为例,曲线见图3。但采用其他四组观测变量,X l与{X D、rf}并不同时过零点。(3)五种观测变量对其他参数的灵敏度均不同时过零点。(4)采用五种观测变量,2#和3#发电机的同一参数是几乎同时过零点的。以2#和1#发电机相对功角对于X ad的轨迹灵敏度为例,曲线见图4。
此外,也分析了1#发电机6阶Park模型的参数灵敏度。计算结果表明:(1)有两组参数{X D、rf}、{X Q、rg}几乎同时过零点(反相);(2)以联络线的无功功率作为观测变量时,X aq与{X Q、rg}几乎同时过零点。但采用其他四种观测变量时,X aq与{X Q、rg}并不同时过零点。这里不再赘述。
综上可知:(1)采用不同的观测变量,同一参数灵敏度的相位有可能不同,即采用不同的观测变量,参数之间的可辨识性有可能不同,只有当所有的观测变量得到的灵敏度同时过零,才能判断这些参数是不可辨识的;(2)不管采用何种观测变量,都不能同时区分辨识所有参数。
3 灵敏度大小对比
文献[16]提出采用稳态测量数据,可以确定发电机的部分参数,即X ad、X aq、X l和rf。所以,对于6阶模型,仍需要辨识X f、X D、X Q、X g、rD、rQ、rg共7个参数。对于5阶模型,仍需要辨识X f、X D、X Q、rD、rQ共5个参数。
针对五种观测变量,分别计算获得各参数的灵敏度绝对值的平均值,如表1～表5所示。由此可见:(1)采用五种观测变量,参数灵敏度的大小顺序基本上是一致的,对于5阶模型X f>X D>X Q>rQ>rD,对于6阶模型X f>X D>X Q>X g>rD>rg>rQ。其中rD、rQ、rg这三个阻尼绕组电阻的轨迹灵敏度很小,相对来说影响也小。所以,对于6阶模型,选择转子电抗X f、X D、X Q、X g作为重点辨识参数。对于5阶模型,选择转子电抗X f、X D、X Q作为重点辨识参数。(2)以发电机相对功角和发电机端口电压相对相角作为观测变量得到的轨迹灵敏度较大,以枢纽母线电压作为观测变量得到的轨迹灵敏度最小,以联络线的有功功率作为观测变量得到的轨迹灵敏度略大于以联络线的无功功率作为观测变量得到的轨迹灵敏度。但联络线的无功功率灵敏度在比较短的时间区间上较大、而后却很小,而且前面分析表明对于某些参数容易出现同相位,这些都不利于参数辨识。
综上所述,下面不再考虑联络线无功功率和枢纽母线电压,进一步对比发电机相对功角、发电机端口电压相对相角和联络线有功功率的参数辨识精度。
4 参数辨识精度对比
首先,在准确参数下,采用BPA仿真程序计算获得发电机相对功角、发电机端口电压相对相角和联络线有功功率的动态响应,将其作为实测值。采样区间为6 s,采样间隔为0.02 s。
然后,采用文献[5,16]所述方法,同时辨识3台发电机的参数,其中2#和3#发电机为同一种类型,采用相同的参数。
在稳态条件下,所得参数如表6所示,这些参数与真实值之间几乎没有偏差。在动态条件下,参数辨识结果对比如表7和表8。由此可见:(1)发电机相对功角作为观测变量时,参数的辨识精度最高。这表明采用灵敏度大的观测变量可以获得高的辨识精度;(2)采用发电机端口电压相对相角,所得参数的辨识结果与发电机相对功角时非常接近。由于发电机端口电压相对相角是电气角度,测量比较容易、精度比较高。而发电机相对功角是机械角度,测量比较困难、精度不如电气角度高。所以,在发电机相对功角难以准确测量的情况下,推荐采用发电机端口电压相对相角。
5 结论
本文针对多台发电机的参数辨识,从灵敏度相位、灵敏度大小及参数辨识精度三个方面,对比了五种观测变量,即发电机相对功角、发电机端口电压相对相角、联络线有功功率、联络线无功功率以及枢纽母线电压。结果表明:(1)采用不同的观测变量,参数之间的可辨识性可能不同。只有当所有的观测变量得到的灵敏度同时过零,才能判断这些参数是不可辨识的。(2)不同观测变量的灵敏度大小顺序依次为发电机相对功角、发电机端口电压相对相角、联络线有功功率、联络线无功功率、枢纽母线电压。(3)发电机相对功角、发电机端口电压相对相角和联络线有功功率的灵敏度大、辨识精度高,适合作为电力系统发电机参数辨识的观测变量。(4)参数辨识精度最高的是发电机相对功角,但如果发电机相对功角难以准确测量,推荐采用发电机端口电压相对相角。
摘要：针对发电机参数辨识,采用五种不同的观测变量进行对比研究,即发电机相对功角、发电机端口电压相对相角、联络线有功功率、联络线无功功率以及枢纽母线电压。首先对比研究了灵敏度的相位即是否同时过零点,结果表明有可能相同参数对于某个观测变量的灵敏度同时过零点,而对于另一个观测变量却不同时过零点。其次对比研究了灵敏度的大小,结果表明灵敏度大小依次为发电机相对功角、发电机端口电压相对相角、联络线有功功率、联络线无功功率以及枢纽母线电压。然后对比研究了参数的辨识精度,结果表明以发电机相对功角作为观测变量得到的辨识精度最高。因此,应该选择灵敏度相位不同、幅值较大的变量作为观测变量。
混沌相空间重构参数的选取与仿真 篇4
混沌是由于非线性系统内部的非线性相互作用而产生的一种非周期行为。混沌具有内随机性、整体稳定局部不稳定性、对初始值变化的敏感依赖性、短期可预测而长期不可预测性、轨道不稳定性及正的李雅普诺夫指数等特征。混沌揭示了有序与无序的统一、确定性与随机性的统一[1]。
近年来,混沌时间序列分析在科研和工程领域中的应用很广泛,而相空间重构在混沌时间序列分析中又具有重要意义[2]。Takens F证明可以找到合适的嵌入维数[3],即如果延迟坐标的维数m≥2d+1(d为动力系统的维数),在这个嵌入维空间里可以把有规律的轨迹恢复出来,即在重构的相空间中的吸引子轨迹与原动力系统保持微分同胚。但系统的d是未知的,实际的时间序列长度有限且含噪声,因此只能采用较大的嵌入维数m。然而,如果m选得太大,虽然理论上是可以的,但在实际应用中随着m的增加会大大增加吸引子的几何不变量的计算工作量,并且噪声的影响也会大大增加;反之,如果m选得太小,则吸引子可能折叠导致在某处自相交,失去重构的意义。对于延迟时间τ的选取,如果τ选得太小,会造成相邻延迟坐标元素间差别太小,不能作为独立变量,导致冗余度变大;如果τ选得太大,相空间延迟坐标各元素间的相互信息丢失,导致各元素不相关,不能反映系统的整体信息。因此,实现相空间重构的关键是选取参数τ和m的最佳值。
对于τ的选取,目前常用的方法有自相关函数法、复自相关函数法、互信息量法及平均位移法等[4]。m的选取方法有最邻近点法、奇异值分解法、Cao氏法及C-C方法等[5]。在此,笔者决定采用互信息量法对τ进行选取,并提出以前馈人工神经网络作为系统模型选取m的值。
1 确定延迟时间
Fraser A M给出的互信息量法是确定重构相空间延迟时间的一种有效方法[6],互信息量法选取互信息函数取得第一个极小值点的时间作为延迟时间,其中互信息函数表示时间序列的相继点之间的一般依赖关系。
设X和Y为离散变量,那么X的随机性可以用信息熵H(X)表示:
式中 P(xi)——发生事件xi的概率;
q ——可能发生事件的数量。
对于两个变量X和Y,X对Y的条件信息熵H(X|Y)为:
式中 P(yj)——事件yj单独发生的概率;
P(xi|yj) ——事件yj发生时,事件xi发生的概率。
由于X和Y的相关性,使其不确定性减少的熵值称为互信息熵,定义其函数为I(X,Y)=H(X)-H(X|Y)。引入X和Y的联合信息
互信息I(X,Y)的另一种表示方法为:I(X,Y)=H(X)+H(Y)-H(X|Y)。假设混沌时间序列为{xi},延迟时间为τ,xi在{xi}中出现概率为P(xi),xi+τ在{xi}中出现概率为P(xi+τ),那么当I(Xi,Xi+τ)所对应时间函数I(τ)第一次达到极小值时的时间则为相空间重构的延迟时间。
2 确定嵌入维数
有学者已经采用神经网络方法给出了时间序列的建模,Hornik K M证明只要神经网络的网络层具有足够多的神经元,人工神经网络就能模拟任何平滑函数[7]。基于神经网络的嵌入维数的确定是根据混沌时间序列的可预测性,以嵌入维数m为参数建立人工神经网络模型,从而确定最佳嵌入维数[8]。
Takens F等采用延迟时间坐标法对混沌时间序列{x1,x2,…,xN}进行相空间重构,即:
设M=N-(m-1)τ为相空间中的点数。根据Takens定理重构相空间轨迹与原系统保持微分同胚,即存在映射φ(·),使得φ[x(t)]=x(t+τ),对φ(·)进行函数逼近。
笔者以前馈人工神经网络为模型逼近φ(·),通过逐步增加嵌入维数m(即输入网络的神经元个数),寻找原序列和预测序列相关系数的最大值来确定最优嵌入维数。前馈神经网络的结构如图1所示,aij是一个n×d的系数矩阵,表示输入的神经网络的关联度;φ(·)是前馈神经网络函数;bi是长度为n的向量,表示每个神经元对网络输出的影响系数。根据
神经网络预测的混沌时间序列为{x1,x2,…,xN},此处混沌时间序列的预测性能评价标准为相关系数σ:
3 数值仿真验证
为了验证笔者提出方法的有效性,对典型的非线性系统Lorenz系统和Duffing系统产生的混沌时间序列进行仿真验证。
3.1 Lorenz系统
Lorenz系统在混沌现象研究中的作用举足轻重,它是混沌现象研究的标志性成果之一,它的混沌特性也已被科研领域广泛认可并应用[9]。Lorenz系统的微分方程为:
其中,参数选取a=10、b=8/3、c=28,采用Runge-Kutta法求解Lorenz微分方程,步长h=0.01,去除暂态过程,得到Lorenz混沌时间序列,选取落在x分量上的3 000个点进行仿真验证。采用互信息量法对Lorenz系统的延迟时间选取的仿真曲线如图2所示,当τ=10时I(τ)第一次达到极小值,此时间即相空间重构的延迟时间。
取延迟时间τ=10,采用神经网络法选取Lorenz系统的最佳嵌入维数。为了精确地计算出相关系数,需要对
选取τ=10、m=3,对Lorenz系统x分量的吸引子进行重构,重构吸引子在x-y平面上的投影如图4所示。重构后吸引子的形状虽然与重构前吸引子的形状不是完全相同,但是重构前、后系统的动力学特征并没有发生改变,重构后的吸引子(图5)能够反映出原系统的拓扑结构,与原系统保持微分同胚。
3.2 Duffing系统
Duffing系统是典型的简单动力学系统之一,其动力学方程为[10]:
取参数α=0.07、β=0.05、γ=7.5,采用Runge-Kutta法求解Duffing微分方程,其步长h=0.01,去除暂态过程,得到Duffing混沌时间序列,选取落在x分量上的3 000个点进行仿真验证。采用互信息量法对Duffing系统的延迟时间选取的仿真如图6所示,当τ=11时互信息量所对应的I(τ)第一次达到极小值,此时的时间即为相空间重构的延迟时间。
同理,选取τ=11,采用神经网络法选取Duffing系统的最佳嵌入维数。选定网络参数、n=4、d=5,Duffing系统产生的混沌时间序列的实际数据与前馈人工神经网络预测值的相关系数σ与神经元个数m的关系如图7所示,当神经元个数m=2时σ取得最大值,即重构Duffing系统的最佳嵌入维数m=2。
选取τ=11、m=2,对Duffing系统的吸引子进行重构,重构吸引子的轨迹如图8所示。与原Duffing系统吸引子轨迹图9相比,重构后的吸引子能够反映原系统的拓扑结构和混沌特性。
4 结束语
笔者根据相空间重构理论,采用互信息量法对延迟时间τ进行选取,提出采用神经网络法选取最佳嵌入维数,并对Lorenz系统和Duffing系统进行仿真验证,对重构吸引子和原吸引子进行比较,结果表明:笔者提出的方法能够确定延迟时间和最佳嵌入维数,并能成功地对相空间完成重构。
参考文献
[1]吕金虎,陆君安,陈士华.混沌时间序列分析及其应用[M].武汉:武汉大学出版社,2002:1～8.
[2]赵敏,樊印海,孙辉.电力推进船舶电力负荷的多变量混沌局部预测[J].系统仿真学报,2008,20(11):2797～2799.
[3]Takens F.Detecting Strange Attractor in Turbulence[J].Lecture Notes in Mathematics,1981,898:366～381.
[4]龙海辉,张佃中.基于等概率符号分析方法计算互信息确定延迟时间[J].计算物理,2010,27(3):468～474.
[5]陆振波,蔡志明,姜可宇.基于改进的C-C方法的相空间重构参数选择[J].系统仿真学报,2007,19(11):2527～2529.
[6]Fraser A M,Swinney H L.Independent Coordinates forStrange Attractors from Time Series[J].Phys Rev A,1986,33(2):1134～1140.
[7]王立德,李欣然,李培强,等.基于人工神经网络的综合负荷模型[J].电网技术,2008,32(16):59～65.
[8]雷绍兰,孙才新.基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法[J].中国电机工程学报,2005,25(22):78～82.
[9]梅蓉,吴庆宪,陈谋,等.时滞反馈Lorenz系统的神经网络滑模自适应同步控制及在保密通信中的应用[J].四川大学学报(工程科学版),2011,43(2):142～149.
参数选取 篇5
近年来,许多学者研究了利用方差时间图法计算Hurst参数进行DDoS攻击检测判断,但是在计算Hurst值选取关键参数环节中大部分都只是任意选取,其合理性有待考究。
1自相似过程
在90年代初,首先由Leland等人明确提出网络流量中存在着自相似现象,而且经过各国人员不断研究发现,不论网络的拓扑和业务如何,网络流量中都具有自相似特性。正因为正常的网络流量模型是符合自相似模型的,而DDoS攻击所产生的流量,将改变正常的网络流量的自相似特性,所以,可以利用这一点来检测DDoS攻击的发生。
自相似性在物理上表现为突发没有明确的长度,在不同的时间尺度下表现出相同的突发特性,业务是长相关的(long range dependence),不能被平滑掉。
假设有一个广义平稳离散随机过程,其均值μ、方差σ2、自相关函数r(k),k≥0;令Xmk=(Xkm-m+1+…+Xkm)/m,称为{Xi}的m阶的聚合过程,对于每个m,X(m)都表示一个广义平稳随机过程,r(m)为其对应的自相关函数。
如果对所有的m,当k→∞时,有r(m)(k)=r(k)～k-β(0<β<1)成立,则称X为具有自相似系数H=1-β/2精确二阶自相似过程;
如果当m→∞,k=0,1,2,…时,有r(m)(k)=r(k)成立,则称X为具有自相似系数H=1-β/2渐进二阶自相似过程。
H参数亦称自相似参数,是衡量自相似程度的惟一参数。当0
2方差时间图法算法描述
图1为H参数计算流程图。
根据图1,方差时间图法具体步骤如下:
(1) 将原始序列X按每m个进行分块,并求出各个数据块的平均值Xundefined以构成新的序列Xm={Xundefined,Xundefined,Xundefined,…},其中Xundefined=(Xkm-m+1+…+Xkm)/m,m为整数,k为各标记块的序号;
(2) 计算上述新序列Xm的方差,记为Var(Xm),有
undefined;
(3) 变更原始序列X的划分尺度m,重复上述2个步骤;
(4) 根据计算出的Var(Xm)和m值,以log(m)为横坐标,log(Var(Xm))为纵坐标描点画图,通过线性拟合求出曲线斜率k,根据β=-k,计算H=1-β/2。
3 关键参数的选取
针对方差时间图法中的三个关键参数:数据块数m、采样数据长度l以及数据更新度a进行测试研究,以期VTP法在实际应用环境中能发挥更大的效用。文中实验采用的数据集是MIT林肯实验室的DARPA入侵检测评估数据集。其中正常数据集来自该实验室1999年提供的正常数据集inside,攻击数据集来自2000年提供的攻击场景测试集LLS_DDOS_1.0。
3.1 数据块参数m的选取
方差时间图法属于一种基于统计特性的时域方法,其准确性依赖于大量的数据。因此,在进行数据块划分时,划分之后的数据块个数及大小都要求足够大。也就是说数据块m的选择过程中不能取得太大而使数据块个数太小,或者取得太小而使每个数据块的数据量过小。文献[1]中通过大量的实验数据分析,给出了m的一种选择范围,并通过实验证明了它的合理性,具体如下:
undefined
在保障VTP统计特性的同时,减少了H参数值的计算量,一定程度上提高了攻击检测的实时性。
3.2 数据长度参数l的选择
首先,从VTP算法而言,为了使得H参数值计算更为准确,理论上l的取值应越大越好;其次,在实际网络环境中,为了能更好地体现VTP算法思想(网络流量的自相似性),l取值也应当越大越好。然而,过大的l取值将使得H参数值计算时间随之变长,时效性变差,使得VTP法的实际应用效果降低。
文献[2]中提出的基于滑动窗口机制的方差时间图法,相比传统方法而言,后续H参数值计算时间大幅减少,求解H参数值的整体效率提高了将近两个数量级之多,使得传统VTP法满足了DDoS攻击检测实时性要求。但是,该方法提高的效率并不包括H参数值的第一次计算过程,其首次H参数值计算消耗时间依旧比较长。
通过文献[3]中H参数值计算时间复杂度分析可知,首次H参数值计算时间受到l与m两个参数的共同影响。因此,根据l中m的选择方法进行m的选择,然后合理设置l的取值,就能使得首次H参数值计算时间有效缩短,使其同样具备比较高的实效性。据此,本文进行了一组测试,试验中以正常数据集inside进行实验。通过改变数据采样时间来观察首次H参数值计算时间的变化,得出数据见表1。
从表1中看出,初期采样时间取1s时,H参数值计算时间为0.7s,但是考虑到统计特性,该采样时间显然不可取;之后随着采样时间的变长,H参数值计算时间也随之变长,直到采样时间为100s时,H参数值计算时间为20.5s。此时H参数值计算时间已经过长,如果后面继续延长数据采样时间,H参数值的计算时间将变得更长。为了兼顾计算的时效性与准确性,这里选择13s作为最合理的采样时间取值,而且从表中可以看出,只有在13s时,H参数值计算时间才开始低于采样时间,这样将有利于DDoS攻击防御机制作出及时有效的攻击判断。
3.3 更新度参数a的选择
VTP法利用网络自相似特性进行DDoS攻击检测,通过自相似参数H值来进行攻击判断。但是在实际网络环境中,仅凭单次H参数计算值并不能够直接判断是否真正发生DDoS攻击。一般情况下,要通过观察多次计算的H参数值之间的变化才能看出当前网络流量中是否夹杂了DDoS攻击流。利用方差时间图法进行网络自相似参数值的计算,根据3.1和3.2的研究,通过合理选择m,l参数值之后,首次H参数值计算时间满足了实时性要求。为了使得方差时间图法整体具备较高的时效性,大量文献通过研究部分更新采样数据的方式来缩短后续H参数值的计算时间,效果比较明显,但是所有这类方法中都没有为其中的关键参数更新程度a给出一个具体的比较恰当合理的值。
数据更新度参数a一方面体现了网络流量的突发性,另一方面影响着H参数值的计算时间。参数a的选取越大,由于采样数据中新加入的数据变多使得H参数值的计算周期变长,导致ΔH值的计算时间随之延长;而在网络流量出现异常时,将更为明显地表现出网络流量的突发性质,即ΔH值就会越大,反之亦然[4]。
从上述分析不难看出,数据更新度参数a的选择将直接影响着使用方差时间图法进行DDoS攻击判断的结果。也就是说,DDoS攻击的判决门限条件也会受到更新度参数a的影响。本文做了一组实验,试验中以攻击测试集LLS_DDOS_1.0进行测试。本文使用数据采样时间l百分比的方式作为更新度a的度量标准。通过不断改变参数a的取值,观察正常网络流量与攻击流量情况下ΔHnΔHa的变化以及计算ΔH所消耗时间T值,得到表2(其中ΔHnΔHa是在多次实验进行平均以后得出的值):
从表2中可以看出,随着更新度参数a的增大,不论网络流量中是否夹杂DDoS攻击流,ΔH值都会随之变大,即网络出现了突发,并且ΔH计算时间也呈上升趋势。但是,表中数据虽然显示ΔHn与ΔHa都随着a的增大而增大,但是它们的增长率却不一样。a每增长1%,ΔHn平均增长0.002。a从1%增长到10%,ΔHn从0.002增长到0.018,几乎随之同样增长了10倍。而ΔHa则不同,a值较小时,变化非常大,尤其是a取值1%和2%的时候,之后随着a的继续增大,ΔHa增长随着平缓下来,特别在a取值7%和8%时,显示ΔHa还有所下降。
为了能更加明显的体现出正常网络流量与攻击流量情况下跟ΔH值的关系,对上述数据进行处理,在同等数据更新程度下,ΔHn与ΔHa在何种更新度参数下相差最为明显(表3)。
从表3可以看出,刚开始时,ΔHn与ΔHa随着参数a的增大,两者的数值差距变化非常明显,但是当a达到5%后,差值变化就非常小了,几乎徘徊于0.15。考虑到使用VTP法DDoS攻击判决门限条件因数,根据表3应当选择差值间距首次达到0.14的数据,这时,更新度参数a为5%。然后再从表2中由a值可以看出,此时的ΔHa为0.15。对于ΔH计算周期因数,从表2中可以看出,通过这种基于数据更新方式的VTP法,后续H参数值计算时间都比首次计算时间少,其实时性足已满足要求。因此,根据上述研究可以得出数据更新度参数a应该设置为5%,VTP判决门限条件随之设为ΔH>0.15,即H参数变化超过0.15则认为网络出现了异常。
4 结束语
参数选取 篇6
1 单相交流电子负载拓扑结构
如图1所示,单相交流电子负载的拓扑结构基础是电压型PWM整流器(Voltage Source Rectifer,VSR)。其中L为等值电感,可作为临时储能元件传递能量,也可抑制高次谐波电流;VT1—VT4是全控型开关器件;电容C为直流侧母线稳压电容,起稳压和滤波作用。直流母线电压UDC必须大于交流电源电压峰值,PWM整流器才能正常工作[3,4]。
本文采用响应速度快、鲁棒性好的滞环控制方式[4,5]。滞环控制的优点是硬件电路简单、电流响应速度快和不需要载波等。其控制方式为:用测得的实际电流与给定电流做差,其差值作为滞环比较器的输入信号;用滞环比较器的输出信号来控制开关器件的通断,从而使实际电流跟随给定电流,模拟任意负载。
2 电感参数L的选取
本文主要分析双极性滞环控制下电感参数的选取。
2.1 快速跟踪给定电流
单相交流电子负载交流侧矢量图如图2所示。其中A,B,C,D分别表示系统工作于纯电感、纯电阻、纯电容和恒负阻状态,A∧B,B∧C,C∧D,D∧A分别表示系统工作于阻感、阻容、能馈阻容和能馈阻感状态。
根据余弦定理,有
可解得:
式中:φ表示系统功率因数角,Usm表示交流电源电压峰值,Im表示交流侧基波电流峰值,Uabm表示交流侧基波电压峰值。
式中:M表示PWM相电压最大利用率[6]。
将式(4)代入式(3)中得到:
由图2知,若系统工作于阻感状态,有0≤θ≤90°和0≤φ≤90°;系统工作于阻容状态时,有90°≤θ≤180°和0≤φ≤﹣90°;系统工作于能馈状态D点时,有θ=270°和φ=﹣180°。
根据以上分析可知,当系统模拟线性负载时,只有系统工作于C点,即纯电容状态,电感值的上限才取最小值,此时应满足:
当系统处在能量回馈单元,即工作于恒负阻时,其理想状况下应该工作于D点,此时电感应满足:
综上:当系统模拟线性负载时,用公式(6)来确定电感参数选取范围的上限;当系统模拟恒负阻时,用公式(7)来确定电感参数选取范围的上限。
2.2 器件的开关频率限制和抑制谐波电流
在选取电感参数时,还要考虑到器件的开关频率限制和抑制谐波电流。滞环控制电流波形如图3所示。图中i*为给定电流,i为实际电流,Iω为滞环宽度。
2.2.1 器件的开关频率限制
由于器件的开关频率远大于给定电流的频率,因此在一个开关周期内,给定电流值可近似看成不变[7]。若不考虑直流电压的波动,即直流电压维持在UDC。
当0≤t≤t1时,VT2(VD2)、VT3(VD3)导通,电流i从i￣*0.5Iω上升到i*+0.5Iω,电流变化量为Iω,有:
当t1≤t≤t2时,VT1(VD1)、VT4(VD4)导通,电流i从i*+0.5Iω下降到i￣*0.5Iω,电流变化量为﹣Iω,有:
器件的开关周期:
由式(8)、式(9)、式(10)可得:
则器件的开关频率为:
由于Us=Usmsin(ωt)是一个变量,所以器件的开关频率f不是一个定值。器件的开关频率最大值为:
设所采用的开关器件的最高频率为F,则fmax≤F,得到:
2.2.2 抑制谐波电流
电感具有抑制谐波电流的作用。在正弦波电流峰值附近,电流脉动幅度最大,此处电感值应足够大[8]。
由式(11)得:
式中:Iω为电流变化量。
根据抑制峰值电流谐波的要求,若谐波电流允许的最大脉动幅值为△Imax,则电感L的取值应大于式(15)右端最大值。由2.2.1对器件的开关频率限制分析知,器件的开关周期T不是一个定值。当Us=0时,UDC2_Us2最大,有:
综上:由式(14)和式(17)知,电感参数选取范围的下限应由式(14)确定,考虑到抑制谐波电流,电感L的取值应尽量大。
2.3 电感的选取
电感参数L的选取应综合考虑以上3方面因素。当系统模拟线性负荷时,取式(6)、式(14)的交集得出电感L的选取范围;当系统模拟恒负阻时,取式(7)、式(14)的交集得出电感的选取范围,且电感L的取值应尽量大。
3 仿真实验
在Matlab/Simulin K环境中搭建仿真实验平台。本实验中设定输入交流电源电压有效值为115V,频率为200Hz,直流母线电压为400V,输入电流最大值Im=25A,器件的开关频率为20KHz,滞环宽度Iω=2A。当系统模拟线性负荷时,取式(6)和式(14)的交集,得到电感L的选取范围:5m H≤L≤7.6m H;当系统模拟恒负阻时,取式(7)和式(14)的交集,得出电感L的选取范围:5m H≤L≤11.6m H。实验以模拟阻容性负载Z=5﹣j5Ω和恒负阻Z=﹣6.5Ω为例,L分别取1m H,7m H,10m H和2m H,10m H,15m H得出各自电感电流的仿真波形,如图4—9所示。
从以上图中可知:当电感L取值比规定范围小时,电感电流存在很大的谐波;当电感L取值比规定范围大时,实际电流不能快速跟踪给定电流;只有当电感L在规定范围内取值时,才能够实现快速跟踪给定电流和有效抑制谐波电流。
4 结语
本文对单相交流电子负载的拓扑结构及滞环控制原理进行了简单的介绍,重点分析了交流侧电感参数的选取依据。通过建立数学模型,从快速跟踪给定电流、器件的开关频率限制和抑制谐波电流3方面综合分析,得出了电感参数的选取范围。最后通过进行仿真实验,证明了理论分析与实验结果的一致性,由此证明了本文所述方法的正确性与可行性。
摘要：文章对电路拓扑结构为电压型PWM的整流器采用滞环电流控制的单相交流电子负载,目前其交流侧电感参数的选取缺乏相关理论基础。文中先对快速跟踪给定电流进行单独分析,得出电感参数选取范围的上限;再对器件的开关频率限制和抑制谐波电流进行综合分析比较,得出电感参数选取范围的下限,最终确定出交流侧电感参数的选取范围。最后通过在Matlab/Simulink中进行仿真实验,验证了该电感选取方案的可行性,具有一定的实用性。
关键词：PWM整流器,电子负载,电感参数
参考文献
[1]严雪飞,朱长青,赵月飞,等.交流电子负载中电感参数的选取[J].电网与清洁能源,2014(6):12-13.
[2]李春龙,沈颂华,卢家林,等.任意PF下单相PWM整流器电感参数的选择[J].电力电子技术,2007(4):64-65.
[3]张兴,张崇巍.PWM整流器及其控制[M].北京:机械工业出版社,2012.
[4]潘诗锋.大功率交流电子负载的研究[D].南京:东南大学,2005.
[5]黄海宏,王海欣,张毅,等.PWM整流电路的原理分析[J].电气电子教学学报,2007(4):28-30.
[6]齐焱.单相能馈式电力电子负载的研究[D].哈尔滨:哈尔滨理工大学,2015.
[7]王雷.能量回馈型交流电子负载变换器研究[D].南京:南京航空航天大学,2008.
高速公路路基坡面力学参数选取 篇7
1 半填半挖路基边坡分类
半填半挖路基按交接面结构特征可分成高陡交接面路基边坡和普通交接面路基边坡。根据规范的定义,坡度陡于1∶2.5且高度大于20 m的挖填路基边坡统称为高陡交接面路基边坡,如图1所示。高陡交接面半填半挖路堤是高速公路常见的路基形式之一。例如,某高速高等级公路,仅某一标段2.36 km的路段就有25 m以上的切方6处、10 m以上的填方8处,这些高填方而形成的半填半挖路基,成为保证路堤稳定的关键路段,自然也成为监理控制的重点。
2 路基边坡变形破坏机理及类型
高速陡坡上路基稳定性主要受山坡的坡度、控制性层面土层强度参数、路基建设的开挖等情况的影响。高速陡坡上路基变形破坏机理极其复杂,它是陡坡上路基破坏失稳治理的依据。高速陡坡上路基变形破坏的原因除由于高速坡度较大以外,路基填土压实度不足、路基下存在软弱土层、路基变形刚度差异过大、填筑物成分不均、地下水的动态变化等都可能导致高速陡坡上路基失稳破坏[3]。
3 影响路基边坡稳定性的因素
路基边坡稳定是一个比较复杂的问题,影响其稳定性的因素较多,主要有以下几个方面。
1)自身材料的物理力学性质。本身的物理力学性质,如抗剪强度(内摩擦角,粘聚力)、容重(包括天然容重和饱和容重等)等对边坡稳定性的影响都很大。
2)边坡的形状和尺寸。边坡的尺寸包括边坡的断面形状、坡角和总高度等。一般情况下,边坡越陡越容易失稳,越缓越稳定;高度越高越容易失稳,高度越小越稳定。本文所研究的公路处于高速地区,因而边坡稳定性的分析成为其中一个十分重要的环节,它为公路的使用和维护提供了一个重要的依据。
3)边坡的工作条件。边坡的工作条件主要是指边坡的外部荷载,包括边坡和边坡顶上的荷载,如公路路堤上的行车荷载和行人荷载等。边坡坡体中的水位变化是影响边坡稳定性的一个重要因素,除了它自身对坡体的渗流作用等影响外,水位的变化还会引起边坡体材料的物理力学指标的变化。
4)边坡的加固措施。边坡的加固是采取人工的措施将边坡的滑动传送或转移到另一部分稳定体中去,使整个边坡达到一个新的稳定平衡状态,加固措施的不同,对边坡稳定的影响和作用也不尽相同,因而我们要在不同的情况下采取相应的措施,以达到合理的效果和目的。
4 路基边坡稳定性的分析方法
边坡作为岩土工程一个重要领域,其研究历史已达100多年。边坡工程研究的范围涉及所有人类工程活动所形成的各种人工边坡,也包括自然滑坡及崩塌体。边坡工程研究的理论基础需要多种学科相互结合,相互渗透,不仅包括工程数学、工程力学、工程地质学、岩土力学,还应结合计算机仿真技术,岩土工程测试技术等手段[4,5]。
4.1定性分析方法
定性分析主要是分析影响边坡稳定性的主要因素、失稳的力学机制、变形破坏的可能方式及工程的综合功能等,对边坡的成因及演化历史进行分析,以此评价边坡稳定状况及其可能的发展趋势。该方法的优点是综合考虑影响边坡稳定性的因素,快速地对边坡的稳定性做出评价和预测。常用的方法有:①地质分析法(历史成因分析法)。②工程地质类比法。③图解法。图解法一:用一定的曲线和偌漠图来表征边坡有关参数之间的定量关系; 图解法二:利用图解求边坡变形破坏的边界条件,分析软弱结构面的组合关系,分析滑体的形态、滑动方向,评价边坡的稳定程度,为力学计算创造条件。④边坡稳定专家系统。
4.2定量评价方法
定量分析评价方法实质是一种半定量的方法,虽然评价结果表现为确定的数值,但最终判定仍依赖人为的判断。目前,所有定量的计算方法都是基于定性方向之上,主要有:
1)极限平衡法。极限平衡法在工程中应用最为广泛,这个方法以摩尔一库仑抗剪强度理论为基础,将滑坡体划分为若干条块,建立作用在这些条块上的力平衡方程式,求解安全系数。
2)数值分析方法。数值分析方法主要利用某种方法求出边坡的应力分布和变形情况,研究岩体中应力和应变的变化过程,求得各点上的局部稳定系数,由此判断边坡的稳定性。在工程界使用的方法主要有以下4种:有限单元法(FEM);边界单元法(BEM);离散元法(DEM);块体理论(BT)。
5 随机-模糊统计法
岩土力学岩体的力学参数指标参数本身含有随机和模糊不确定性。另外,确定岩土力学参数的传统方法随意性较大。过去处理离散岩土样本的试验结果常被认为没有代表性,将其剔除或将全部试验结果参与平均取值,这样处理的结果不仅会丢失部分试验信息而且必然会导致人为的偏差,从而因试验结果的平均值受少数信息的严重干扰而产生偏差。为了更好地利用全部岩土力学样本参数试验结果,有效地估计工程地质体的岩土力学参数,本文提出拟就岩土力学试验参数的模糊统计特征进行研究,以寻求一种更加合理的岩土力学参数取值方法。依据文献[6,7,8]推导了岩土参数统计特征值(均值、方差、协方差)样本的隶属函数,设试验获得的样本值为(x1,x2,x3,…,xn),根据样本的隶属函数及马氏距离可得随机模糊统计的计算式为
以上3个公式即为岩土力学参数样本均值、方差和协方差的计算公式,均为隐函数式,需用迭代法求解。则设随机-模糊变量c,f符合摩尔-库仑准则关系,公式为
式中:c、f分别为岩土体的粘聚力和内摩擦系数;τ、σ为抗剪试验中施加的剪应力和法向应力。
6 工程应用
样本为某高速公路路基工程施工。具体如下:填筑土、软弱层以断面K51+430为代表,碎石土以断面K55+610为代表,亚粘土以K35+020为代表。采用随机-模糊方法和传统方法对直剪试验数据进行统计分析,其结果如表1所示。通过计算结果表明,采用模糊统计方法得到的岩土力学参数更符合实际,更贴近岩土材料的真值;也表明了模糊统计处理方法优于传统的随机处理方法,这也说明了本文方法的合理性。
7 结 论
岩土力学参数本身包含了随机性和模糊性,传统的统计方法只考虑了随机性对参数取值的影响,对试验数据中异常值的处理方法也较为极端,要么完全剔除,要么将它直接参与平均计算。本文从导致岩土工程样本试验参数变化的根源入手,认为模糊性也是影响材料参数取值的重大影响因素,并对此加以研究。
摘要：半挖半填式路基是高速公路施工中一种常见的修筑方式,其稳定性的好坏取决于挖填交接面的形式及其物理力学性质。介绍了半填半挖路基挖填交接面的形式分类以及相应的变形破坏形式,同时提出采用随机-模糊统计法处理路基稳定性。通过工程应用实例表明该方法可靠合理,具有广泛推广的价值。
关键词：路基工程,半挖半填路基,交接面类型,随机模糊法
参考文献
[1]梁富权,刘毓栋.路基路面工程[M].北京:人民交通出版社,1994.
[2]汪益敏,等.路基边坡问题研究现状[J].中南公路工程,2004,8(2):21-26.
[3]白国华.高速公路边坡防护[J].科学之友,2007,9(1):31-33.
[4]王新强.浅谈高速公路路基边坡防护[J].岩土工程界,2006,9(12):64-65.
[5]孙英勋.云南山区高速公路滑坡治理研究[J].公路交通科技,2005,22(4):52-55.
[6]陈谦应,蒋树屏,柴贺军,等.高速公路路基稳定理论与实践[M].北京:人民交通出版社,2005.
[7]李胡生.岩土参数随机-模糊统计中的隶属函数形式[J].同济大学学报学报,1993,121(3):361-369.