谢边枢纽立交桥预应力管道真空灌桨施工

真空灌浆技术在我国桥梁施工中是一门新兴的施工工艺，其原理主要是利用在预应力管道内产生空气负压，使浆体更密实地填满整个预应力管道。简要总结介绍广东佛山谢边枢纽立交桥预应力管道压浆施工采用的真空溜浆技术。     

级配碎石直剪试验的细观分析

基于颗粒流理论及其PFC2D程序,在细观层次上从数值分析角度研究了碎石的直剪试验,从而揭示了其抗剪强度和变形机理。研究中针对碎石提出了一种随机计算模型,并给出了随机模型的实现方法,同时对该随机模型的算法可靠性进行了验证。文中探讨了在直接剪切试验中碎石的抗剪强度随位移的变化以及最大粒径、竖向压力对其影响,并从细观力学的角度上描述了直剪试验过程中颗粒的运动机理。直剪试验过程中的碎石细观结构变化的颗粒流仿真,是关于碎石细观力学特征与宏观力学响应相关联的初步研究。     

地铁盾构施工对临近通信发射塔的工后影响分析

地铁盾构施工会使周边临近构筑物产生不均匀沉降和倾斜,对构筑物结构的稳定性产生不良影响.北京地铁某盾构区间近距离下穿铁路通信发射塔一年后,经检测发现发射塔基础产生了较大不均匀沉降.基于该铁路通信发射塔,结合工前、工后（施工1年后）检测结果及施工过程监测数据,采用有限元数值模拟分析方法,考虑地铁盾构施工造成的结构不均匀沉降及结构初始差异沉降,综合分析盾构近距离施工对通信发射塔结构稳定性的影响,评价通信发射塔的安全状况.研究表明：盾构隧道施工所产生的不均匀沉降造成的通信发射塔结构变形在安全容许范围内,结构变形均能满足发射塔材料安全性要求,通信发射塔基础东北角与东南角塔基承载力安全系数较低,需对其采取加固措施.     

福建省去年汽车更新进展顺利

1987年国家下达福建省汽车更新计划指标为1175辆(其中载货汽车1126辆,吉普车19辆,轿车30辆)。实际完成情况是:计划内更新628辆(其中载货车586辆,吉普车13辆,轿车29辆),为年计划的53.4%;另外组织计划外车源供应更新476辆,二者合计实际完成1104辆,为年计划的94%。全年安排     

基于平台带宽的车身效率综合评价

当前车身效率评价方法极少,车身轻量化系数作为主流的评价方法存在不足,不能充分反映主要因素尤其是平台化对于效率的影响。由此提出了基于平台带宽的车身效率评价概念,重点剖析了平台带宽对车身架构开发及效率的影响,深入研究了车身效率的主要影响因素,并针对性地提出应对和修正的方法,进而建立了车身综合效率系数评价指标,通过实例与当前主流方法进行比较,能够更全面地反映车身实际效率。最后对如何提升车身效率给出了建议。     

表面活性剂在枇杷叶总三萜酸提取工艺中的应用

研究表面活性剂协同超声辅助提取枇杷叶中的总三萜酸。以水为提取溶剂,考察表面活性剂的种类、表面活性剂的质量浓度、料液比、提取温度及时间对三萜酸得率的影响,再通过正交实验优化提取工艺。结果表明表面活性剂协同超声提取枇杷叶总三萜酸的最佳工艺为吐温60的质量浓度为1%,料液比1：25,温度为50℃,提取时间为30min,总三萜酸的得率为12.17%。     

基于虚拟化对铁路局售票应急方案优化的研究

根据铁路客票系统当前售票应急情况,提出基于虚拟化对铁路局售票应急方案优化的研究,解决当前应急方式存在的降级响应问题。研究虚拟化技术、云计算技术、双中心双活应急互备技术在铁路局客票系统中的应用。为铁路局客票系统设计的两个双活生产中心可以同时工作,达到互为应急备份且提供正常开展业务的效果,提高客票系统的处理能力、可靠性与稳定性,从而整体提高业务的应急保障能力。     

TSP系统在隧道工程施工地质预报中的应用和发展

TSP是瑞士Amberg测量技术公司专门为隧道施工地质超前预报而设计的地震探测仪器。该系统从数据采集、处理和成果解释及评估高度智能化，其特点是：预报距离大（隧道掌子面前方至少150m），无须利用掌子面，对隧道施工妨碍小，易于操作和快速评估。通过TSP的探测，能够提前了解到掌子面前方围岩的地质情况，为施工及确定合理的支护参数提供依据，确保隧道施工安全和质量。介绍了TSP系统在隧道施工地质超前预报中的应用事例及其技术的发展。     

钢基同步器齿环工艺探讨

钢基同步器齿环是今后一段时间内汽车用同步器齿环的发展方向。我公司于二00二年八月跟踪此项目技术,在结合我公司的现有技术能力的情况下,与国内多家汽车厂家、高等院校和科研单位合作,于二00三年四月试制成功以钢基为母体,以树脂材料为磨擦结合面的钢基树脂同步器齿环。经过本公司同仁不断努力,目前已经与主机厂形成一定的配套能力,市场反应良好。     

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域,研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络,通过学习交汇水域船舶的历史轨迹,以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征,LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择,从而形成船舶轨迹与航行意图识别模型。同时,引入Dropout网络结构描述该模型的预测不确定性,采用随机关闭CNN+ LSTM核心网络部分神经单元的方式,以相同轨迹序列作为输入获取多组相近的预测结果,根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验,创建了该交汇水域船舶航行轨迹数据集,以输入时长60 min,采样频率3 min作为输入条件,Dropout值取0.5,实验结果表明：所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile,航行意图识别准确率达87%,不确定性估计覆盖率达85.7%。与LSTM预测方法相比,当船舶操纵性发生改变时,所提CNN+LSTM模型的轨迹预测误差降低了31.6%,而且兼具船舶航行意图识别及预测不确定性估计能力,有利于智能航行与海事监管技术发展。