您的位置: 专家智库 > >

唐旭

作品数:5 被引量:19H指数:3
供职机构:贵州大学资源与环境工程学院更多>>
发文基金:贵州省交通运输厅科技项目更多>>
相关领域:建筑科学交通运输工程矿业工程更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 3篇建筑科学
  • 2篇交通运输工程
  • 1篇矿业工程

主题

  • 2篇爆破
  • 2篇爆破振动
  • 1篇道夫
  • 1篇压杆
  • 1篇岩石
  • 1篇振动
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络预测
  • 1篇特征参量
  • 1篇频段
  • 1篇网络预测
  • 1篇希尔伯特-黄...
  • 1篇节理
  • 1篇节理面
  • 1篇抗剪
  • 1篇抗剪强度
  • 1篇抗剪强度参数
  • 1篇灰岩
  • 1篇分离式HOP...

机构

  • 5篇贵州大学
  • 5篇贵州省交通规...
  • 4篇工程质量监督...
  • 3篇中南大学
  • 1篇贵州高速公路...

作者

  • 5篇邹飞
  • 5篇唐旭
  • 5篇方正峰

传媒

  • 2篇公路
  • 1篇土工基础
  • 1篇工程爆破
  • 1篇科学技术与工...

年份

  • 2篇2017
  • 3篇2016
5 条 记 录,以下是 1-5
排序方式:
基于非对称三角模糊数的爆破振动速度预测公式参数确定方法研究被引量:1
2016年
针对萨道夫斯基公式中参数K,α的确定具有模糊性及随机性,首先,利用非对称三角模糊系数式表示参数K,α最可能取值及其可能性分布,再通过非对称三角模糊数在特定截集水平下的宽度之和与测试值和计算分析最可能取值加权系数的方差作为目标函数进行模糊优化分析,同时通过"3σ"原则合理地确定非对称三角模糊数截集水平h,从而为爆破振动质点峰值振动速度的预测及爆破方案设计的优化提供了一种新的方法,该方法不仅有效减少较大离散性数据对分析结果的影响,又真实反映了实际工程中参数K,α取值的不确定性特征。通过与最小二乘法对实际工程中测试数据的计算分析对比,表明该方法较符合工程实际。
邹飞唐旭方正峰
灰岩和白云岩动态压缩力学性能的SHPB实验被引量:9
2017年
为了得到爆破荷载作用下岩石的破坏特性及爆破振动波的传播特性,利用RMT-150C多功能实验机和改进后的ф50mm的分离式Hopkinson压杆装置,分别研究灰岩和白云岩试件的静态力学特性和在5种不同应变率等级下的动态力学性能。实验结果表明,随着平均应变率的增加,灰岩和白云岩试件的动态抗压强度、峰值应变、吸收能、比能量吸收值以及破碎程度都明显增加,表现出显著的应变率效应,而初始弹性模量对应变率的相关性不敏感。从岩石的动态抗压强度和能量吸收两个方面,对比分析灰岩和白云岩动态力学性能的共性和差异性,更合理地解释了岩石在动态冲击荷载下的破坏本质。
方正峰邹飞唐旭
关键词:分离式HOPKINSON压杆
基于希尔伯特-黄变换的远区爆破振动信号能量演化及分布规律被引量:6
2016年
基于HHT分析法,对远区爆破振动信号进行时频分析。研究信号中能量随爆源距增加的演化及分布规律。结果表明:爆破振动总能量及峰值能量随着爆源距的增加衰减较快;低频段能量在传播过程中会随爆源距增加有增大的趋势;而中高频能量则是随着爆源距的增加有减小的趋势。同时,爆源距对远区爆破振动的频率段构成也会造成影响,即频率左右限均有减小的趋势;但频带宽度总体保持不变。考虑爆破振动信号所携带的能量信息在爆破振动设计方案的优化中同样具有重大的工程意义。
唐旭邹飞方正峰
基于随机模糊理论的节理面抗剪强度参数的确定
2016年
针对岩石抗剪强度参数c,φ的确定具有模糊性及随机性,首先,利用非对称三角模糊系数式表示参数c,φ最可能取值及其可能性分布,再通过非对称三角模糊数在特定截集水平下的宽度之和与测试值和计算分析最可能取值加权系数的方差作为目标函数进行模糊优化分析,同时通过"3σ"原则合理地确定非对称三角模糊数截集水平h,从而为岩土工程设计的优化提供了一种新的方法,该方法不仅可有效减少较大离散性数据对分析结果的影响,又真实地反映了实际工程中参数c,φ取值的不确定性特征。通过与最小二乘法的对比,表明该方法较符合工程实际。
邹飞唐旭方正峰
爆破振动特征参量的SVM及神经网络预测应用研究被引量:3
2017年
通过RBF、BP神经网络及SVM算法3种预测方法,对爆破震动特征参量进行预测,并与传统萨道夫斯基公式进行对比分析研究。结果表明,3种方法预测精度均优于传统萨道夫斯基公式。当样本数有限时,BP、RBF神经网络在爆破振动峰值振动速度及主频率的预测中效果欠佳,SVM算法的预测精度优于RBF、BP神经网络,在实际工程应用中SVM算法对爆破振动特征参量的预测具有极强的适应性。
王勇唐旭邹飞方正峰
关键词:SVMRBF神经网络
共1页<1>
聚类工具0