混凝气浮工艺在高标准、短工期背景下的应用

苏州某污水处理厂现状规模4万m3/d,出水执行《城镇污水处理厂污染物排放标准》(GB 18918-2002)一级A标准.随着苏州地区"三年行动计划"的实施,要求辖区内污水处理厂自2021年1月1日起出水标准按照"苏州特别排放限制"执行.工程难点在于TP的稳定达标(＜0.3 mg/L),且施工工期短、用地紧张.通过比选,采用混凝气浮工艺作为TP深度处理工艺,并介绍了该工艺的原理和核心设计参数,以及投运以来的进出水数据及成本分析.结果表明,TP出水值可以稳定达到0.3 mg/L以下,总水头损失可控制在0.7 m以内,直接运行成本0.076元/m3.采用一体化装置,可实现快速启动、运行.相关经验可供施工周期短、水质要求高的工程参考.     

西藏樟木镇友谊桥3号滑坡破坏机理及防治措施分析

以中尼边境友谊桥#3滑坡治理工程为依托,在现场勘查及室内试验的基础上,深入研究滑坡发育变形历史,分析其成因机制;采用折线滑动法进行天然、暴雨及地震工况下的滑坡稳定性分析。结果显示:滑坡所有计算模型在天然工况下均为稳定状态,大部分剖面模型在降雨工况下呈现欠稳定-基本稳定状态,地震工况下各剖面模型均呈现基本稳定-稳定状态;提出针对性的综合治理方案,效果良好。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

山区河流航标船系泊锚石系统失稳机制试验研究*

山区河流具有水流湍急、流量与水位变幅较大等特点,常导致航标船失稳、移位以及漂移破坏等,给船舶航行造成重大安全隐患。选取长江上游典型事故河段,从锚石阻水面积、锚石质量、水深、流速以及缆绳角度等因素,开展航标船系泊锚石系统失稳机制试验研究。研究结果表明：从锚石形状角度,扁平锚石具有重心低、底面积大和阻水面积小的优势,相比于同质量的方形锚石具有更强的稳定性和极限拉力;从水流和缆绳角度,随着弗劳德数和缆绳角度的增加,航标船系泊锚石系统稳定性越差,其中缆绳角度越小其稳定性越好;提出极限拉力与水深、流速及缆绳角度等因素的关系式。为山区河流航标船系泊锚石结构布置提供理论支撑。     

基于深度自编码模型和马氏距离的起重机泵健康评估

为准确、可靠、有效地进行起重机泵健康评估,通过对多台不同使用年限的起重机进行试验,获取起重机实际运行时的泵信号,采用深度自编码模型(DAE)与马氏距离(MD)结合的方式,揭示泵性能退化和评估健康状况,对比统计特征、EMD、MLP、CNN等特征学习方法,表明该方法具有良好的性能。     

层状岩体顺层滑动边坡破坏机制及锚固机制的研究

通过对层状岩体顺层滑动边坡破坏机制、破坏模式的研究,提出实际工程治理中最适宜采用的治理方法是使用锚杆进行加固,并提出最优锚固角及锚杆加固的受力分析,希望能为该类型边坡的防治工作提供有意义的理论依据及实际指导作用.     

“5.12”汶川地震中高大加筋土挡墙破坏机理研究

为了进一步研究高烈度区加筋土挡墙的破坏机理,以5.12汶川地震中发生破坏的一处高大加筋土挡墙为实例,建立数值模型,利用现场实测数据,通过有限元软件的计算,得出了加筋土挡墙在不同烈度地震作用下墙体面板的水平位移、墙后土体的水平加速度及墙背土压力沿墙高的分布情况。其次,通过有限元结果与挡墙实际破坏情况的比较,分析了该加筋土挡墙的抗震破坏机理。最后,对以上分析结果进行了总结,并对高烈度区两级加筋土挡墙的抗震设计及现场施工提出了合理性建议。     

基于自动深度学习盾构掘进姿态预测与控制

提出了基于自动深度学习（AutoDL）算法和多目标优化算法的结合可实现数据驱动的姿态偏差控制指导,用于盾构掘进姿态的预测与控制,以解决现有盾构掘进姿态预测中所面临的执行难度高、成本高、效率低等问题,可用于自动精准地预测盾构掘进姿态随着工程进展的动态变化趋势,并针对盾构机施工状态执行多目标优化算法,快速自动搜寻最优策略,实时调整合适的盾构操作参数,减少对于现场操作人员经验和主观判断的依赖。以上海市天然气主干管网崇明岛-长兴岛-浦东新区五号沟LNG站管道工程隧道A线工程为例,展示该算法框架的优越性。研究结果有助于降低深度学习进入盾构智能控制领域的门槛,推动智能盾构发展。     

富水含砂地区浅埋暗挖隧道施工险情分析

渗流破坏是富水地区隧道施工最易发生的地质灾害之一,给工程施工带来了极大的困难和风险.从土体渗流破坏机理和围岩与支护结构相互作用原理的角度出发,深入分析某暗挖过街通道施工过程中发生的险情迹象.通过监控量测数据反馈现场处治措施的实施效果,提出预防含砂土层渗流破坏的关键是控制地下水在砂层中的渗流条件.