HX_D2B机车转向架构架有限元分析

阐述了HXD2B机车转向架构架的结构及其受力,运用ANSYS有限元软件建立了构架的有限元模型,并完成了强度计算和模态分析,确认其设计满足设计要求。     

毛乌素地区风积粉细砂填料的改良应用

新建新街至恩格阿娄至陶利庙铁路（新恩陶铁路）由东向西逐步进入毛乌素沙漠腹地,路基填料设计中采用沿线储量丰富的风积粉细砂进行路基填筑。粉细砂粒径单一、级配不良,路基填筑时地基系数和压实系数不能达到规范要求,需要对其进行改良。结合本线特点,采取化学改良和物理改良相结合,分别使用水泥改良、生石灰改良和掺砂岩的措施进行粉细砂的改良填筑试验,从经济、技术和施工工艺等方面进行综合研究,得出适宜在全线范围、以至毛乌素地区推广采用的改良方案。     

钢箱桩基坑围护结构研究

研究目的:钻孔桩和地下连续墙是目前深基坑最常用的围护结构型式,但是这两种围护结构都存在工艺复杂、泥浆污染、水下混凝土质量不易保证、工程进度较慢和造价较高等问题。因此,笔者提出以打入预制的钢箱桩做基坑围护,本文从桩身刚度、强度、可实施性和社会、经济效益等方面进行研究,并论证其可行性。研究结论:(1)钢箱桩能满足基坑对围护结构刚度和强度的要求;(2)适用于沿海软土地区或沿江阶地;(3)用既有的机具设备即可打桩和拔桩;(4)不用钻孔或挖槽,没有泥浆污染;(5)简化设计和施工,加快工程进度;(6)钢箱桩可重复使用,节约资源,并且能降低工程造价;(7)推广应用具有较高的社会、经济效益。     

海南省蒙水岭泥石流成因与运动特征分析

研究目的:即将开通的海南东环铁路及运营中的东线高速公路清水湾段受突发性大型泥石流冲击,泥石流漫过铁路路堤、穿过桥下净空后进一步漫过公路路面并流入南中国海;通过记述泥石流的成灾过程,结合地质调查、航拍、勘探、测试等手段,分析流源区巨型滑坡的成因、滑坡转化为泥石流的机理、泥石流的径流和堆积特点。研究结论:(1)流源区巨型滑坡的发生表现出极强的突发性以及高位高速运动的特点;(2)风化破碎的花岗岩体和不利的结构面组合是滑坡发生的基本条件;(3)连续强降雨的饱水加载作用以及雨水沿陡倾张裂结构面的下渗软化作用,是诱发滑坡的直接原因;(4)表现形态:岩土体高速下滑后,迅速解体并与水体充分拌和转化为泥石流,沿途不断铲刮沟床,流体物质和含水量逐渐增大,高速流态化运动近4 km才逐渐停下来;(5)海南东环铁路及东线高速公路位于堆积区的外缘,当泥石流到达时动能已大大减弱,其破坏程度受到了很大限制。     

土耳其伊兹密尔铰接式轻轨车辆车体

文章对土耳其伊兹密尔轻轨车辆铝合金车体结构形式、主要特点和技术参数进行了介绍,通过有限元法对车体结构进行仿真计算和分析,并进行了静强度试验,结果表明该铰接式轻轨车辆的车体结构完全满足标准和技术规格书的要求.     

基于WebGIS车辆定位系统的设计

探讨了如何利用WebGIS技术实现在Internet环境下车辆定位中的应用,包括系统的组成、工作原理、短消息和WebGIS架构等内容,该设计方法是在微软最新的开发环境.Net和Mapinfo公司的MapX控件基础上开发实现的,详细解释了WebGIS架构和介绍了车辆定位系统的主要功能。系统的实现使用户可以直接在Internet环境下完成查询指定车辆的位置等相关信息,为智能交通的实现奠定了基础。     

双速搅拌工艺

根据传统二次搅拌理论,提出了混凝土双速搅拌工艺,介绍了双速搅拌工艺的原理及优点,并指出了该工艺的实现方案.该工艺的应用可降低生产成本,提高混凝土的强度和生产率.     

数控实践教学及其实训故障辨析

阐述了数控实践教学对培养数控专业学生的实践操作技能和加深数控知识的掌握起着重要的作用;通过两年的数控实践教学,结合广州航海高等专科学校的教学安排,提出实践教学要重视内容和突出技能培养;总结了在数控实践教学过程中实训出现的各种问题、突发性故障和人为造成的故障,并提出相应的解决办法,为以后的实践教学提供借鉴,避免类似的问题发生．     

连续复利资金时间价值的使用研究

根据间断复利和连续复利之间的关系,结合技术经济学中资金时间价值的基本原理,研究连续复利条件下整收整付及等额收付系列资金时间价值计算的方法和特点.     

基于随机森林的铁路冷藏运输需求预测

为提升铁路冷藏运输效率和实现铁路冷藏运输资源的合理配置,推进铁路冷藏运输的快速发展,对铁路冷藏运输需求进行预测尤为重要。在分析铁路冷藏运输影响因素基础上,利用Spearman相关性分析进行特征筛选。结合Spearman相关性分析结果,构建基于随机森林的铁路冷藏运输需求预测模型,并与BP神经网络,AdaBoost,Bagging和未经特征筛选的随机森林预测模型的预测结果进行对比分析。研究结果表明：经Spearman相关性分析进行特征筛选后构建的随机森林回归预测模型的平均绝对误差和拟合优度值均优于其他模型,均方根误差值仅高于BP神经网络。随机森林回归预测模型的泛化能力较好,且特征筛选能够提高模型的预测精度。