无线传感器网络中数据流异常数据的联合估计算法

为保证无线传感器网络数据的完整性,针对数据流中存在异常数据的问题,提出了一种基于BP神经网络和多元线性回归的联合估计算法。首先,将存在异常数据的数据流作为样本输入,利用神经网络的非线性拟合能力对异常数据进行估计。然后,通过相邻的传感器节点数据建立多元线性回归模型,对异常数据进行估计。最后,根据两种算法在不同情况下的误差大小,调整它们各自在异常数据估计中的权重,计算出最接近真实值的估计值。以Berkeley Intel实验室的传感器数据为实验数据,通过Matlab软件对本文方法进行测试并分析仿真结果,实验结果表明文中提出的方法能对异常数据进行有效估计,并且具有较高的可靠性和稳定性。     

U型BFRP箍筋试件受剪试验分析

针对U型箍筋抗剪试验缺乏强度折减实践依据的问题,设计15个配有BFRP箍筋的C30混凝土U型试件。在BFRP箍筋两侧用套筒将其锚固,弯折成U型,箍筋两端采用穿心千斤顶施加荷载,逐渐加载至BFRP箍筋破坏。通过分析试验数据,建立试件受力模型,可知弯折部位锚固长度对BFRP箍筋强度折减有较大影响,最大折减为原强度的65%;随着锚固长度的增加,BFRP箍筋强度呈线性增加至某个定值;最后推导出U型BFRP箍筋强度折减公式。