3500m~3电驱绞吸挖泥船EMC设计及施工工艺

随着大功率变频器在船舶驱动系统中的运用越来越普遍,抑制变频器谐波干扰的课题日益受到造船业的重视。文冲船厂监造的3500m~3绞吸挖泥船,在设计、施工阶段采取了许多抑制谐波干扰的措施,最终成功消除了谐波干扰的隐患。本文将对该船抑制谐波干扰的实际案例进行描述。     

海底隧道超前预注浆注浆压力选择研究

根据水压测试并结合经验公式初步确定注浆压力,并采用离散单元数值法对不同压力下裂隙内压力衰减状况进行了分析,提出了压力修正意见.通过现场注浆试验和效果检验及开挖揭示表明,采用3～4 MPa的注浆压力在保证堵水和加固效果的同时不会明显击穿海底覆盖层.     

60°N以北地区探险邮轮港口选择与空间分异

以60°N以北地区探险邮轮为例，综合第三方邮轮网站发布的船期表数据，甄别出探险邮轮的停靠港口，通过Arc-GIS可视化分析工具刻画探险邮轮的港口空间分异格局，进一步探究疫情影响下探险邮轮的港口停靠规律。结果表明，60°N以北地区存在始发港和挂靠港两种功能类型的探险邮轮港口，数量比为1：9;探险邮轮港口的分布具有显著的空间非均衡性和尺度差异；疫情期间，探险邮轮运营商选择停泊的港口仅有摩尔曼斯克、卑尔根和奥勒松，这与港口设施区位、港口区域气候条件以及城市经济水平等因素密切相关。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。     

基于欧洲规范的高桩码头结构地震作用分析

根据欧洲规范BS EN 1998的有关规定,采用有限元计算软件ANSYS中的振型分解反应谱法,对纵、横两个方向水平地震作用下的某高桩码头结构进行分析,得到码头结构钢管桩基础的轴力、弯矩等结果及其分布规律。