温度梯度作用下既有离缝无砟轨道结构层间损伤扩展及变形分析

为探讨温度荷载作用下既有离缝无砟轨道结构层间损伤发展规律及上拱变形对轨道结构力学特性的影响,基于有限单元法和界面损伤内聚力模型,建立CRTSⅡ型板式无砟轨道有限元模型。计算结果表明:温度梯度荷载作用下,层间损伤萌生于离缝区与黏结区衔接处板角位置,并随温度梯度的持续增大斜向发展;黏结区损伤横向贯通后,轨道板竖向位移存在明显突变;正温度梯度荷载作用更易引起既有离缝轨道板整板脱黏;轨道板上拱导致端部0.1~0.2 m存在明显黏结弱化区;小波长、大幅值形式的轨道板上拱更易引起轨道板开裂。     

高桩梁板式结构面板波浪浮托力计算与模型试验

离岸深水港透空式结构越来越多，但波浪一般较大，波浪力成为透空式码头、引桥结构设计的关键控制荷载，其中面板浮托力对确定上部结构尤为关键。根据工程实例的两种顶面高程方案，采用规范方法和周益人方法计算各种水位下的正向波浪作用面板浮托力，并与试验结果进行对比，分析不同计算方法的适用性。结果表明，在实际工程计算中，采用规范方法计算离岸码头、引桥上部结构的波浪浮托力，并可参考周益人提出的计算公式进行复核。     

基于连续点云数据的既有铁路轨面信息快速提取算法设计

三维激光扫描获取的既有铁路点云数据具有海量性、离散性等特点,难以从点云数据中快速提取线路参数.为此,结合现场实测数据,提出一种基于连续点云数据的既有铁路轨面信息快速提取算法.通过k-d树实现点云的快速搜索、查询和储存,利用主成分分析法和移动激光点聚类法提取的接触线分割构建出铁路缓冲区,进而通过平面格网法的粗提和多种约束条件下的精提实现了轨面点提取.对既有线路现场试验结果表明,轨面点提取的完整度c和准确度p均在93％以上,该方法能较好地实现钢轨轨面点云的快速提取.     

Understanding urban mobility patterns from a spatiotemporal perspective: daily ridership profiles of metro stations

Transportation - Smart card data derived from automatic fare collection (AFC) systems of public transit enable us to study resident movement from a macro perspective. The rhythms of traffic...     

某型司机控制器警惕按钮功能失效故障分析及改进

针对某型司机控制器警惕按钮功能失效故障,从司机控制器工作原理、设计结构及实际运行等方面进行了故障原因分析,并在现有结构基础上,提出有效的改进方案。     

一种自锁式舱门的结构设计与分析

目前,舰载设备中的舱门普遍采用电机或机械挡块的结构形式实现舱门开关状态的控制,主要存在使用和维保成本高、结构占用空间大、解锁不便利等问题,在实际应用中存在诸多不便。为解决上述问题,本文设计开发了一种自锁式舱门,并对舱门的结构和工作原理进行设计和分析,同时采用理论计算的方式对主要零部件进行计算和校核。此外,采用Simulate进行仿真计算,对舱门的主要零部件进行强度和刚度仿真分析,验证了方案的可行性。     

葛洲坝船闸船舶同步出闸运行组织

针对日益增长的船舶过坝需求与船闸通过能力不足的问题,对葛洲坝船闸船舶出闸方式进行优化研究,提出"全同步出闸"和"半同步出闸"的船舶出闸方式。分析葛洲坝船闸船舶出闸现状、通航建筑设施布局和航道条件,得出船舶在葛洲坝船闸开展"同步出闸"的基本运行组织方案。建立"全同步出闸""半同步出闸"和"逐一出闸"3种船舶出闸方式的数学模型,计算得出结论:选取合适的方案开展同步出闸可以缩短葛洲坝船闸船舶的出闸时间。结论为后期葛洲坝船闸开展同步出闸实船试航提供理论支持。     

基于比值更新的索穹顶结构找力分析方法

为了快速高效求解索穹顶结构的预应力分布，提出了一种基于比值更新的找力新方法. 以不断更新的索预应力比值来分配拉索预应力，以索力和位形作为收敛控制参数，迭代得到满足精度要求的预应力分布. 基于此，首先对索穹顶结构进行了不考虑重力影响的找力分析，验证了该方法的正确性；其次当考虑重力影响且每个索段划分为多个单元时，可引入沿索长的索水平分力这一不变量，将索力的比值替换为索水平分力的比值. 结果表明:基于比值更新的找力分析方法计算速度快，位形偏差小，精度高；考虑重力影响的找力分析结果与不考虑重力影响相差较大（最大为19.34%），索穹顶结构的找力分析宜考虑重力的影响；将每个索段划分为单个单元和多个单元的找力分析结果相差甚微（最大仅0.05%），当索预应力较大且索长较短时，可将每个索段划分为单个单元以简化求解预应力分布.      

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。