高地震烈度区大跨长联混凝土连续梁桥协同减隔震体系研究

高地震烈度区大跨长联混凝土连续梁桥上部结构质量大、地震响应高，抗震问题较为突出。介绍了基于协同减隔震技术的速度锁定摩擦摆支座的基本结构组成及摩擦耗能工作原理，并以西安市红光路沣河大桥为工程研究实例，提出制动墩“硬扛”体系、协同抗震体系和协同减隔震体系等3种结构体系，建立相应的地震分析模型对3种体系下的结构动力特性及地震响应进行计算分析对比。结果表明，相比其他体系，基于速度锁定摩擦摆支座的协同减隔震体系的结构自振周期得到了有效延长，纵向地震响应下降明显，墩梁之间的相对位移合理可控，该体系是高烈度区大跨长联混凝土连续梁桥的一种合理的减隔震体系。     

考虑前后缓冲区的地面锁站动态布置仿真分析*

针对考虑前后缓冲区的地面锁站布置问题，在传统固定锁站布置方案的基础上，提出一种锁站动态布置策略，该策略能够根据船型尺寸动态调整锁站数量和位置，以适应不同尺寸船舶作业需求。在对自动化码头集装箱解挂锁工艺流程分析的基础上，使用AnyLogic软件构建考虑前后缓冲区的地面锁站动态布置仿真模型，以系统作业效率、设备占用率及缓冲区排队长度为衡量指标，评估锁站动态布置策略的实际性能。结果表明，相较于传统的固定锁站布置方式，地面锁站动态布置方案能够均衡各锁站负载及缓冲区的平均排队长度，系统作业效率提高14.6%。锁站动态布置方案提升了锁站整体利用率，满足装卸船及水平运输作业要求。     

重力式码头基槽抛石体沉降量计算方法*

针对重力式码头基槽抛石体的沉降量计算问题，进行计算模型和计算方法研究。通过基槽抛石体原尺度块石的压缩试验，得出多次加卸载情况下块石体的应力-应变关系，基于此建立重力式码头基槽抛石体的沉降量计算模型。结合重力式码头的建造过程，提出基槽抛石体的沉降量计算方法，并利用实际工程现场观测数据回归出模型中的主要参数。结果表明，模型计算结果与观测数据吻合。     

黄土地区抗滑桩嵌固段桩前被动土拱形成演化过程试验

抗滑桩是大型交通基础设施中稳定边坡和治理滑坡的主要手段之一，嵌固段桩前被动土拱效应是影响抗滑桩水平承载力的重要因素，被动土拱的形成演化过程是抗滑桩水平抗力调整的关键。通过几何缩尺比例为1∶15的抗滑桩物理模型试验，对桩前被动土拱的形成演化过程进行了探究。根据抗滑桩桩前被动土拱和模型试验系统的对称性，自主设计土压力传感器的布设方案，以保证在试验过程中对桩前土体各测点的x和y方向土压力分布规律进行实时采集；采用千斤顶对模型桩施加水平荷载，对加载过程中抗滑桩嵌固段桩身弯矩、桩前土压力及桩前土体应力变化规律进行了分析。绘制桩前土体应力云图并对桩前被动土拱拱轴线进行了拟合，同时采用数值模拟方法进行对照分析，以揭示桩前被动土拱的演化过程。结果表明：①桩身弯矩和桩前接触土压力均在嵌固点下4倍桩宽处附近出现极大值，后随埋深逐渐减小；②桩前被动土拱是由相邻桩对桩前土体的相互作用使主应力发生偏转而逐步形成的，其演化过程可分为初步形成阶段、承载阶段和破坏阶段；③桩前被动土拱拱轴线呈抛物线形式，随埋深逐渐增大形成被动土拱所需桩顶位移随之增大；④同一埋深处桩前被动土拱矢跨比随桩顶位移增加而逐渐变大，在承载阶段土拱矢跨比随埋深逐步减小。     

自动化集装箱码头平面与工艺总体布局现状与发展趋势

自动化集装箱码头是未来港口发展的必然趋势，但仍存在初期建设投资高阻挡了部分小型企业发展自动化的进程、单一技术路线无法满足自动化集装箱码头个性化的“私人订制”服务需求、现存在营的传统集装箱码头自动化改造技术仍有待突破等问题。近年来，在建设交通强国、海洋强国的背景下，结合全球自动控制、人工智能、视觉计算、大数据等现代科技的应用，以港口工业化、智能化、绿色化和产业化转型为导向，在多样性平面总体布局、新型装卸设备升级两方面探讨自动化集装箱码头的发展现状与趋势，以适应国内外自动化码头快速建港的需求与高质量发展，为本领域工程建设提供借鉴。     

轮胎式场桥集装箱码头自动化系统的配置和选择

轮胎式场桥（RTG）因其自身优势，应用广泛，是自动化集装箱码头重要的堆场设备选择方案。系统研究RTG方案下的堆场自动化，以及未来与无人集卡等配合的全自动化方案十分必要，自动化系统方案的配置和选择是其重要的研究内容。结合工程实例，对RTG以及相关附属功能的自动化系统方案进行梳理和研究，采用理论设计联合实际建设的方法对实施方案进行改进。结果表明，最终得出的实施方案既满足自动化能力和效率需求，并兼顾近远期自动化水平。     

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。      

自动化集装箱码头智能水平运输系统设计

为提升自动化集装箱码头水平运输系统作业效率，推动码头集装箱集疏运体系发展，结合集装箱码头自动化、智能化的建设要求，开展码头智能水平运输模式及系统设计研究。在分析自动化集装箱码头生产作业流程的基础上，制定码头整体运行机制，设计水平运输系统功能及运行模式，从作业调度、路径规划、交通管控、充电管理等多个方面，设计水平运输系统工作机制及流程；给出自动化集装箱码头智能运输决策方法，采取运输作业的全局规划和局部引导相结合的管控策略，为自动化集装箱码头建设和智能水平运输系统开发提供参考。