船舶操纵仿真的狭长通航隧洞航行安全研究

通航隧洞作为一类新型的过船设施,具有通航宽度窄、水深浅、能见度不良和环境封闭等特点,船舶在隧洞内航行时船舶操纵难度大、船员心理压力高,船舶在通航隧洞内航行驾驶研究方面在我国还几乎处于空白.以拟建的乌江思林二线通航隧洞工程作为对象,采用航海模拟器构建隧洞通航环境模型、代表船型模型,通过开展隧洞操纵仿真试验、制动冲程操纵试...     

南京地铁1号线珠江路站振动及二次结构噪声整治研究

随着城市轨道交通的快速发展和人们生活质量的提高,地铁列车运行引发的振动噪声问题引起了广泛关注,并且成为地铁开通运营后面临的主要问题之一.针对南京地铁 1号线珠江路站旁地铁大厦内噪声较大的问题,在线路上采取了钢轨低接头打磨和换铺嵌套型减振扣件等振动噪声整治措施.为了评估整治效果,对措施实施前后隧道壁振动、室内振动及噪声进...     

基于主动倾斜式尾翼的车辆气动特性研究EI北大核心CSCD

为提高车辆在弯道行驶的操纵稳定性,本文中设计了一款主动倾斜式尾翼的空气动力学套件,在现有车辆的基础上加装主动倾斜式尾翼和前唇,通过空气动力学仿真找出车辆气动特性与尾翼倾角和攻角的关系。基于模糊控制算法设计可调倾角和攻角的控制策略,并通过车辆操纵稳定性仿真对控制策略进行了优化。在实车上加装主动倾斜式尾翼空气动力学套件并根据优化后的控制策略编写代码,基于国家标准进行操纵稳定性实车试验。试验结果表明,加装主动倾斜式尾翼空气动力学套件的车辆相对于加装仅攻角可调的空气动力学套件车辆、未加装空气动力学套件的车辆在稳定性上都有一定的提升。     

海上石油平台的弧闪风险评估

本文依托于国内某个海上项目，介绍了电力系统构成、继电保护方案、计算的采用的标准、防护服的选配依据等，首次对海上石油平台进行了弧闪风险评估，给出了计算结果。此外，给出了快速评估弧闪风险等级和防护服选配的方法，并给出了降低弧闪风险的建议。     

振动压实中跳振影响因素的分析

振动压实过程中跳振现象时有发生,使得土壤压实度不均匀,从而造成路面易产生裂缝、沉陷等伤损,影响行车安全。考虑随振土体的质量,建立3自由度振动压路机-土系统动力学模型,推导接地工况下的动力方程解,建立跳振工况下的动态力分段线性方程,分析改变振动压路机的激振力、激振频率以及土壤刚度的变化对振动压实的影响。结果表明,合理改变振动压路机的激振力、激振频率和土壤刚度,可有效抑制跳振产生。所建模型及研究方法为施工作业中合理配置工作参数提供参考和理论支持。     

高压富水岩溶隧道底鼓变形演化机制及防控对策研究

当隧道穿越高压富水岩溶地层时，易发生衬砌开裂、底鼓及渗水等灾害。为探索隧道底鼓变形演化机理，建立高压富水岩溶隧道底鼓变形控制体系，采用现场测试、室内实验、数值模拟相结合的方法，分析了贵州省德江隧道高压富水段底鼓病害成因及孕育过程。研究发现：围岩中大型隐伏溶腔通过地层中复杂的岩溶管道网络与上伏暗河水源连通，导致隧道结构承受高达2.1 MPa外水压力；隧底基岩在水岩作用下劣化严重，饱和状态下基岩抗压强度仅为27.7 MPa,且其强度随浸泡时长增加而显著降低。数值计算揭示了高水压力是诱发隧道底鼓破坏的主要因素；基岩软化对隧底变形存在一定影响，但与高水压叠加效应不明显。基于此，总结提出以“限排、泄压”为主，“主动加固”为辅的高压富水岩溶隧道底鼓防控基本思路，具体为“预留控制砼室+集水管引排+注浆加固基底围岩”的联合控制程序。实现深部溶腔岩溶水的可控排放，消解隧底水压力，辅以注浆重塑隧底基岩，从而改善隧道结构应力环境。长期监测结果表明：隧道衬砌背后水压力较处治前减少了97%,隧道结构稳固。研究结果可为类似岩溶隧道底鼓病害控制提供参考。     

基于数字地球的QAR数据飞行航径复现研究

为了更好的实现飞行品质监控和飞行事后分析，本文设计了可将QAR飞行数据关联到响应的地理空间和时间序列的显示平台。针对数据精度有限，提出了基于地理特征点的积分航迹分段修正模型，同时复现飞机实际垂直剖面时对气压高度进行了温度修正。以某航班实际QAR数据为例，通过数据筛选和仿真计算，并对数字地球进行二次开发，复现的飞行航径与时间空间相互关联，从而为飞行品质监控、安全评估以及事故/事故征候调查提供了技术支持。     

山岭公路隧道掘进施工方案选择研究

山岭公路隧道掘进施工方案的选择，对隧道工程施工效率、成本和环境保护影响较大。现以甘肃地区实际工程为依托，分析隧址区地质状况对隧道掘进施工的影响因素，选取影响隧道掘进施工的因素并建立施工方案可选性分值指标；以隧道工程掘进施工中影响施工成本的超欠挖控制为因素构建经济性分值指标；以各种施工方案对隧道工程环境造成的污染建立环保性分值指标；综合考虑可选性、经济性和环保性指标，提出隧道掘进施工推荐方案。     

基于机器学习的地铁盾构掘进参数智能预测与控制方法研究

盾构掘进的精细化和智能化控制是现代隧道施工技术的发展趋势，为更好地预测和控制盾构掘进状态，提出一种预测和控制盾构掘进参数的智能模型。该模型考虑了多个影响盾构掘进参数的非线性因素，建立了6种基于机器学习与海鸥算法相结合的混合算法(SOA-ML)盾构掘进参数智能预测模型，并提出基于层次分析法的最佳预测模型判别方法；进一步利用最佳预测模型提出了基于PSO算法的掘进参数控制方法。以金华至义乌至东阳市域轨道交通工程为例，验证了模型的有效性。运用结果表明：SOA算法可有效地对机器学习算法的超参数调优，且SOA种群数量越大，搜索的范围越广，最佳适应度收敛性越快；6种算法模型均具有较好的预测性能，根据层次分析法对预测模型进行性能排序为BP>ELM>CNN>RF>SVM>LSTM;基于BP-PSO的盾构掘进参数预测和控制过程具有消耗时间小、预测与优化性好的特点。