灌注桩深基坑的有限元计算及影响因素分析

对苏州市轨道交通2号线金民东路站深基坑使用灌注桩作为支挡结构的开挖、支护施工进行了有限元数值模拟,据此分析了灌注桩内力、水平侧移等随施工过程的变化以及主体结构的内力情况,并研究了灌注桩刚度、地基土刚度对支护结构侧移和弯矩的影响,对实际施工起到一定的指导作用。     

提速线路旁深基坑施工的路基防护

在提速线路和高路堤旁开挖深基坑及施工墩台对既有路基稳定性的影响,是工程施工中首要解决的问题.此文结合津浦线澥河大桥护孔工程深基坑钻孔桩支护的成功经验,探讨了路基防护的措施.     

软土地区地铁区间两侧深基坑 对称开挖影响分析

以杭州软土地区某紧邻地铁区间两侧对称开挖深基坑工程为背景,运用三维数值模拟及实测数据剖析等 手段,分析双侧对称开挖基坑对运营地铁区间的影响规律。结果表明：在相同开挖深度的前提下,两侧基坑平面 尺寸差异为既有地铁区间水平位移变形的重要影响因素;软土地区基坑拆撑、回筑阶段的变形增量不可忽视, 最大占比超过了总变形量的 25%;软土地区深基坑工程围护结构及桩基工程施工对邻近地铁区间影响较为显著。 本工程采用分区对称开挖,加强围护体系刚度等变形控制措施总体保障了邻近地铁的运营安全,为类似工程的设 计及施工提供参考。     

临近既有线的地道软土深基坑支护技术

庄桥站旅客地道为临近既有线软土深基坑工程,面临列车动载大、软土侧压力大、土体渗流明显等基坑危害.通过优化设计,解决基坑支护安全性与经济性的矛盾.同时,在施工过程中,通过实时监测、变形预警和信息化施工等手段确保方案落实,减少动载振动影响和开挖时空效应.     

宁波南站深基坑承压水抽水试验及数值分析

为降低深基坑工程设计与施工风险,对现场实际水文地质情况进行抽水试验,取得准确水文地质参数(承压含水层),建立深基坑降水三维渗流与沉降的数学模型,利用抽水试验期间监测数据对水文地质计算参数进行反演,进而对降水运行期间引起的渗流与地面沉降进行趋势预测。该抽水试验指导进行了基坑突涌性评价和实际工况运行控制,为降水运行提供依据,对类似工程的设计、施工及风险控制具有借鉴意义。     

混合动力牵引调车机车的研发

阐述了混合动力牵引调车机车的概念和样车的结构性能,重点论述了样车主要研制内容及技术措施、节油减排效果、节油试验情况,从评估计算和试验验证两方面论证了混合动力技术能实现能量高效利用和循环利用的双重目标,总结了样车的研制成果。     

基于ANSYS的深基坑承压水降压对周边环境影响分析

随着城市地下空间开发朝着深层发展,深基坑工程成为城市建设中的重要课题。当基坑达到一定深度后,不可避免地遇到承压水层的突涌问题。其中悬挂式止水帷幕的基坑,对承压水层的处理通常要求按需降压,既要保证基坑抗突涌稳定,同时也要尽可能保证对坑外承压水层产生较小的影响,特别是对于周边环境复杂、保护等级较高的基坑。利用ANSYS 10.0通用有限元软件中的热分析模块模拟基坑工程中承压水降压的过程,再通过结构模块继承承压水层水头降深结果,将其转换为土层的初始应变,最后经过结构模块的计算分析,得出准确的土体位移结果。为深基坑工程承压水降压设计以及对周边环境影响分析提供了一种新方法。     

深厚软土地基上某船闸围堰设计

以紧邻外海的双鱼岛填海工程游艇别墅项目船闸工程为例,从设计的角度对船闸围堰的总体布置、结构形式以及防渗技术进行重点研究.结合围堰所处的深厚淤泥地质条件,从结构安全、经济合理、拆除便利、就地取材等方面综合考虑,选取2种断面型式综合比较,推荐采用抛石挤淤堤+堤后防渗墙的方案,丰富了围堰的结构设计类型,并为类似工程提供借鉴.     

轨道高架桥下基坑开挖的相关措施及研究分析

近年来,越来越多的工程建设与已建轨道的关系越来越密切,施工环境也越来越复杂.以春申湖路快速化改造中元和塘东隧道基坑下穿轨道2号线号线高架为例,通过开挖施工中采取的一系列技术措施(MJS工法、开挖工序安排、应用支撑自动轴力补偿系统、加强监测等),并运用数值模拟软件,建立地上地下整体模型,将结果与过程监控数值对比,确保了轨道交通结构稳定和运营安全,为今后难度大、复杂程度高的城市建设施工提供了很好的借鉴作用.     

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。