级配对粗颗粒硫酸盐渍土溶陷特性的影响

研究目的:随着高速铁路在盐渍土地区的不断发展,盐渍土的溶陷特性导致的高铁路基沉降问题越来越突出。为解决高速铁路在盐渍土地区由溶陷特性导致的路基沉降问题,本文将级配类型作为粗颗粒盐渍土溶陷特性的主要影响因素进行精细化分析,探究级配类型对粗颗粒硫酸盐渍土溶陷特性的影响。研究结论:(1)在硫酸钠含量相同的情况下,级配类型中粗颗粒的占比增大时,粗颗粒的骨架作用会抑制溶陷的发生,溶陷量会随之减小,在0.1%的低硫酸钠含量情况下抑制作用最明显,粗颗粒级配比细颗粒级配的溶陷系数减少了68.57%;(2)粗颗粒盐渍土的溶陷量随着硫酸钠含量的增加而增大,硫酸钠含量每增加1%,五种典型级配的溶陷系数平均增加0.01;(3)随着硫酸钠含量的增大,硫酸钠对粗颗粒盐渍土溶陷特性的影响程度减小;(4)本研究成果可为粗颗粒盐渍土地区高速铁路地基处置及路基设计提供依据和参考。     

ANSYS/LS-DYNAD在桩基完整性检测中的应用

运用ANSYS/LS-DYNA的非线性动力有限元分析方法,选取桩基础中的完整桩进行了数值模拟,并得到了完整桩桩身应力波的传播规律及特点。验证了ANSYS/LS-DYNA这种非线性动力有限元分析方法在桩基完整性检测应用中的可行性。研究成果可为检测不同类型的桩基础完整性提供指导性意见。     

浅析ANSYS/LS-DYNAD在桩基缺陷检测中的应用

采用一种基于ANSYS/LS-DYNA的非线性动力有限元分析方法,对离析桩的桩身进行了数值模拟,得到了离析桩的应力波反射规律及特点,说明基于ANSYS/LS-DYNA非线性动力有限元分析方法能够较准确地检测桩基缺陷。     

基于遗传算法优化神经网络的纸坊隧道初始地应力场拓展分析

遗传算法具有较强的全局搜索能力,神经网络具有自学习能力,结合神经网络和遗传算法,可以充分利用两者的优点,使新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局搜索能力。初始应力场和待定因素之间的关系往往比较复杂,而基于遗传算法优化神经网络可以容易地确定出初始应力场和待定因素之间的非线性映射关系,将该方法用于纸坊隧道初始地应力场的拓展分析研究,获得了很好的效果。     

纸坊隧道初始地应力场线性回归分析

影响初始地应力场的主要因素有自重应力场和构造应力场。首先,假定研究区域的岩性为弹性;然后,利用各测点的水压致裂地应力测量资料和4个模拟构造应力场的三维有限元计算结果,用最小二乘法多元回归分析,得到了与4个自变量（分别对应自重应力、隧道轴线方向构造应力、垂直轴线方向构造应力和水平面内剪切应力）相对应的回归系数L1、L2、L3、L4,再计算复相关系数r及偏相关系数,判断回归效果;最后回归计算出初始地应力场。     

一种基于BP神经网络的桩基缺陷检测方法

通过室内模型试验得到了桩顶部受到瞬态激振作用力下的轴向速度曲线及波形数据，利用回传射线矩阵法编制的程序验证该速度曲线的正确性，然后将相应的数据输入BP神经网络中进行识别，说明BP神经网络能够较准确地判断桩基缺陷的类型。