地下工程裂隙型涌水超前注浆治理方法

针对地下工程裂隙型涌水超前注浆问题,通过钻探获取裂隙频率信息,并采用分段压水试验的方法,对围岩的渗透系数进行了测定;采用数理统计方法对所测数据进行分析,获得其统计规律;借助于涌水量计算理论,依据设计时确定的涌水量容许值,计算得到了所需封堵裂隙宽度的最小值,为注浆材料的选择提供依据;根据所选注浆材料分析了浆液扩散规律并确定了注浆方法与注浆参数;采用流动维度理论对注浆过程中PQT曲线进行了分析,并通过开挖检验对注浆封堵效果进行了评估. 研究结果表明:拱顶与侧壁无明显渗水,涌水量小于0.01 m3/h,达到了渗漏水控制标准以及注浆封堵的目标;实际开挖后的涌水量比预测值低50%,误差在合理范围内.      

破碎岩体注浆加固后的力学特性研究（双语出版）

基于理论分析建立破碎岩体注浆加固体力学模型,通过室内试验制作加固体试样并开展单轴抗压试验,分析破碎岩体含量、破碎程度、界面粗糙程度以及注浆材料黏结性能等因素对加固体强度的影响。试验表明：注浆加固体试样在单轴压缩破坏过程中,其内部石块基本保持完整性,破坏主要产生在交界面以及注浆材料内部;当V_BP较大时,在碎石体的阻隔作用下,破裂面无法一次性产生,且多为剪切型破坏;当V_BP较小时,压缩破坏过程中直接形成了上下贯通的破裂面,且多为拉断型破坏;对于未加固的破碎岩体,其强度随V_BP增加而减小,且强度离散程度较大;加固后其强度随V_BP的增大而增大,整体强度大幅提高,同时呈现出明显的线性相关性;加固体强度随碎石数量的增加而减小,二者的线性相关性不显著;加固体强度随着注浆材料黏结强度的增加而增加,随交界面体密度的增加而减小;交界面体密度与黏结强度相互影响,总体强度是二者耦合作用的结果。基于加固体力学模型以及单轴抗压试验数据提出了加固体强度计算公式,该公式考虑了破碎岩体含量、破碎程度、界面粗糙程度以及注浆材料黏结性能等因素对加固体强度的影响。通过与实际试验数据比较,证明了该公式可以较好地对破碎岩体加固强度进行预测。     

船舶主海水系统智能状态评估模型

随着船舶系统维护方式智能化升级,为提高轮机人员工作效率,实现船舶海水系统的视情维修,基于状态识别与层次分析(AHP)-模糊综合评估(FCE)构建了智能状态评估模型(AHP-FCE).首先,搭建并验证RBF神经网络状态识别模型,获取连续多期系统状态概率向量;然后,利用多级模糊综合状态评估模型对系统当前状态进行综合评估;最后,基于"育鲲"轮真实数据进行可靠性验证,结果证明该模型的计算结果与实际情况匹配.该模型综合考虑连续多期参数,评估结果更加科学合理,可为其他船舶系统的状态评估提供一种新的应用思路.     

临江破碎地层基坑涌水综合分析方法研究

岩溶破碎地层是地铁基坑水害的常见地质条件,复杂的水文地质条件是灾害频发的主要原因。以南京上元门车站为例,运用水文地质资料、地球物理探测及连通试验手段对南京上元门车站基坑岩性、岩溶裂隙发育特征及相对富水性进行深入研究。根据薄弱地层围岩及裂隙类型,可将基坑划分为4个区域,并提出针对性的治理措施,形成临江破碎地层基坑涌水综合分析方法。最后通过选择适当的注浆材料和配套工艺对临江破碎带进行综合治理,取得较好的治理效果,验证了此方法的可行性,同时实现了临江破碎地层治理的信息化施工。实践表明,该方法能有效减少注浆治理的盲目性,大大降低治理成本,保证注浆治理的效果。     

一种改进的ARIMA预测模型在船舶系统中的应用

为实现船舶设备维护方式的智能化升级,用视情维修代替传统的定期巡检,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化的Elman神经网络融合自回归差分移动平均模型(Auto-Regressive Integrated Moving Average,ARIMA)模型的组合预测模型,用于对设备状态参数进行预测。根据序列特征拟合ARIMA模型,利用改进的PSO算法优化Elman神经网络的权值和阈值,基于改进的PSO-Elman模型的残差预测值修正ARIMA模型预测结果。采用某船设备实际数据对该组合预测模型进行训练和验证,将其预测结果与其他模型的预测结果相对比,结果表明,该组合预测模型具有较高的预测精度和稳定性。     

学术分拆促进技术转移的欧洲工业生物技术

工业生物技术是生物技术的商业应用。近几年,在大学和研究机构的不懈努力和研究下,该领域经历了快速的发展,然而在基础研究和商业化成果之间仍存在很大差距。这种差距可以通过学术分拆的形式得到弥补。     

工业4.0时代智能船舶发展趋势与挑战

工业4.0时代，智能船舶是海上智能交通的重点发展对象。文章从智能船舶整体发展趋势出发，分析其在数字化、绿色化和商业化的具体发展方向，并探讨了智能船舶在人机平衡、法律规范、信息安全和行业协作等相关领域面临的挑战与应对措施。智能船舶无论在节能减排，还是在商业运营等方面，均具有巨大的发展潜力。随着人工智能技术和信息安全的迅猛发展，船舶行业数字化的持续深入，智能船舶法律法规的不断完善，智能船舶将会迎来质的发展。