疏浚硬质黏性土制作室内试验研究

基于疏浚工程中硬质黏性土挖掘困难和生产效率低的问题,为原状土进行刀齿的切削试验,需要制备硬质黏性土土质。针对疏浚吹填淤泥含水率大和压缩性强等特征,开发了一套底部抽真空的"真空+堆载"制备技术。试验研究表明:1)制备装置效果良好,制备土质标准贯入击数达到13击,液性指数达到0.36,疏浚岩土工程特性级别为4级,性质接近疏浚工程中给施工带来困难的黏性土质,为硬质黏性土的切削试验提供了合格的模型土质。2)制备土质含水率W与无侧限抗压强度R、标准贯入击数N、土体承载力F存在较好的相关性,回归系数均在0.72以上,为流塑等状态的软弱淤泥处理处置研究提供基础技术支撑。     

船体板格极限强度数值计算影响因素及敏感分析

船体板格极限强度的有限元计算方法应用广泛,但其计算方法具有一定的不稳定性,计算结果受多种因素的影响.本文针对船体板格有限元计算方法的不稳定性进行研究,通过将有限元计算结果与其他学者的研究成果进行对比,验证本文所采用的有限元方法的可靠性,然后针对板格材料、初始缺陷、网格密度、边界条件等几种因素的敏感性进行具体研究,发现理想应力应变关系会使得结果偏于危险.网格形状和网格密度对于结果均有影响,边界条件对于有限元结果有影响,最大误差在7.2%,并且模型3会使得结果偏于危险.初始缺陷是一敏感因素,最大误差在20%,因此需要根据实际缺陷选取合适的屈曲模态和比例因子.     

基于改进云模型的地铁站行人拥挤辨识方法

为降低城市地铁站内行人拥挤识别时多指标和多等级带来的不确定性和模糊性,采用改进云模型构建行人拥挤状态辨识模型。基于AHP-熵权法标定指标权重和行人拥挤状态等级,以标定的指标权重和各指标等级阈值作为输入,计算云数字特征值,采用正向正态云发生器,建立模板云和待识别云模型,计算两者之间的隶属度,根据最大隶属度原则辨识车站内各服务设施的行人拥挤状态,最后输出各服务设施的拥挤等级辨识结果。以宁波市鼓楼站为实证对象,对辨识结果进行实证分析。结果表明:采用四级行人拥挤状态划分方法合理可行。     

碳中和背景下海外氢能源发展新思路及对我国的启示

在“双碳”战略的持续推动下,我国氢能产业热度攀升,迎来历史发展机遇。文章结合碳中和时代背景,梳理全球主要国家及地区氢能产业的发展变化,从顶层设计、产业各环节发展进程入手分析我国氢能产业的发展现状以及面临的发展风险,参考和吸收海外氢能发展经验,提出符合我国氢能产业发展实际的对策建议,助力国内氢能产业突破发展困境,实现跨越式发展。     

频率法测试斜拉桥拉索索力影响参数分析

影响均匀拉索索力测试频率法测试精度的主要参数有拉索的长度、抗弯刚度、垂度、斜度、索两端的边界条件等。本文结合工程实例,阐述了各参数对索力测试精度的影响程度。     

法治是构建社会主义和谐社会的保障

胡锦涛总书记指出:"我们所要建设的社会主义和谐社会,应该是民主法治、公平正义、诚信友爱、充满活力、安定有序、人与自然和谐相处的社会."民主法治,要求我们全面贯彻有法可依、有法必依、执法必严、违法必究的社会主义法制原则,确保依法治国基本方略得到贯彻落实,使国家权力的行使和社会成员的活动处于严格办事的状态,为经济、政治、文化发展与社会全面进步提供良好的秩序保障.     

提高75000吨系列散货船油污水处理系统的调试效率

本文主要介绍了第一造船事业部施工技术科机电专业QC小组对75000吨系列散货船上的油污水处理系统进行按图施工、调试,对于调试过程中出现的问题进行分析,找出问题根源并采取了相关的解决措施。在该进口设备没有服务商的情况下,通过QC活动提高了油污水处理系统的调试效率,还提高了施工技术人员的动手操作能力。该课题的实施提高了船舶的可靠性,得到了船东的好评．实现了缩短造船周期的目标。     

如何应对化学品分类协会检查

为了帮助散装化学品船舶船长和岸基管理人员更细致、更深入地了解化学品分类协会检查,介绍其背景,检查目的、要求和程序。通过分析某公司近年来20余条散装化学品船舶CDI检查结果,总结出CDI检查前的应做的准备工作、检查过程中具体应对措施,并给出了如何减少CDI检查中遗留的观察项的建议。     

城市轨道交通中压网络供电分区的划分

以主变电所集中供电的中压网络为基础,从建设、运营经济性、过补偿和继电保护设置配合方面,分析供电分区划分应考虑的问题;网络构成及供电分区的划分位置应考虑与运行交路的结合,最大限度地满足车辆的运行,不因网络局部故障造成全线车辆停运.供电分区的划分在满足规范要求电压损失的前提下,尽可能减少供电分区的数量,以使工程具有较好的经济性.提出在满足继电保护要求等的前提下,线路电压损失要求是中压网络供电分区划分从建设和运营经济性考虑的合理结合点.     

基于联邦LSTM的突遇新频率船舶升沉运动预测策略

由于浮式起重船在海上进行风电设备安装和运维作业期间,离岸距离远且作业时间长,波浪变化多样且不确定,极易产生新频率的船舶运动,使得无法进行精确预测,从而导致海上作业无法安全进行甚至造成设备损坏,因此文章提出基于联邦学习的多变量多步长短期记忆网络（LSTM）预测方法。针对无线数据采集时间间隔不一致,将其和船舶升沉运动数据共同作为双层LSTM预测模型的输入变量并进行多步预测。同时针对突遇新频率船舶运动的情况,采用联邦学习方法联合多家海上风电安装运维企业的船舶升沉运动数据,共同训练适用于复杂海况下的船舶升沉运动LSTM预测模型。使用Stewart六自由度波浪补偿平台模拟浮式起重船的升沉运动,试验结果表明,在遇到新频率船舶运动时,该方法能有效提高船舶升沉运动的预测效果,模型预测精度（RMSE值）至少可达到0.095。