天津地区标准贯入试验在液化判别中的简化应用

在采用标准贯入试验法进行粉土及砂土的液化判别过程中,根据天津地区实际地质及规范规定的条件下,可以最不利条件确定不同深度处的液化判定标贯击数临界值,然后在外业施工过程中,根据实测标贯击数大于最不利条件下的临界标贯击数时,可直接判定该标贯点粉土或砂土不液化,而不需取扰动土样进行室内颗粒分析试验,这样既满足规范的判定要求,减少室内试验的工作量,同时又能节约勘察成本,是值得采用的一种方法。     

发动机智能化故障诊断系统中的知识融合技术

从知识融合的物理层次角度,对发动机智能化故障诊断系统的知识融合技术进行了探讨,通过对知识融合内容各节点以及接口的研究,证明了知识融合具有互补性、实时性、低成本性和再学习等优点。该项研究成果为实现发动机智能化故障诊断提供了一条新的途径。     

从7万t集装箱轮上吊卸重件设备的工艺

年前有一客户要经过厦门港进口一件重达150t的烘干设备,设备的直径为5.8 m,总长度为8 m左右.吊装要求采用专用吊具--钢质平衡梁保护,从吊钩到设备的底座高度必须有13 m.设备将随一艘长300 m以上、宽40 m的集装箱轮进入厦门港.而厦门港所具有的浮吊有额定起重量为210 t、起重臂是长35 m的固定式扒杆,吊钩的最高点离水面28 m.要用这台重型浮吊来吊卸设备,虽然起重量足够,但幅度和起升高度却很难满足要求,加上海上的风浪作用,这种吊卸作业几乎是不可能完成的.这看似没有可能的施工却在各方共同努力下,仅用了一个小时的时间就吊卸完毕,可算是码头装卸中的一个"奇迹".     

煤炭筛分工艺在散货装卸港口的应用

煤炭筛分工艺改造是我港根据市场需要而进行的重要科技创新,通过将煤炭筛分工艺与现有的装卸工艺系统集成,在煤炭卸船工艺中一次完成煤炭的多次筛分,将煤炭按粒度大小分别堆存和销售,满足贸易煤经营商追求利润最大化的市场需求,提升了港口竞争力。     

三线扭摆系统测量刚体转动惯量试验方法改进

获取汽车零部件总成刚体转动惯量是汽车系统设计的重要前提之一。从三线扭摆法测量刚体转动惯量的原理出发,分析引起试验误差的主要因素,总结了一套更为方便、可靠的测量三线摆周期的方法。其关键技术有:(1)由加速度传感器和数据采集系统获取三线摆圆盘切向加速度的时间历程信号;(2)通过计数和频谱分析分别得到三线摆周期并进行比较分析。试验过程中容易引起误差的环节较多,通过规则体质量块试验验证和大量的汽车零部件总成转动惯量识别试验,证明这一方法的准确性和实用性。     

机车车辆焊接结构疲劳分析关键问题研究

为确保铁道机车车辆各焊接承载部件在整个寿命期间安全可靠,在分析国际上对动态承载焊接结构疲劳研究的基础上,提出机车车辆焊接部件疲劳分析应明确的各类关键问题.主要包括焊接结构的疲劳特征、应力分析原则和应力谱的确定、疲劳评定方法和强度数据的选取、累积损伤准则的实际应用及多轴疲劳的处理方法等.疲劳理论经典算法表明,上述关键问题的较好解决将有助于大幅地提高疲劳分析精度,将其应用于结构设计可保证焊接承载部件具有足够的疲劳强度.     

预制装配式箱涵的实用计算方法研究

预制装配式箱涵使用前景广阔,而实用计算方法研究相对滞后。通过土涵相互作用三维有限元模型分析,对传统平面框架模型在该类箱涵的应用效果进行检验,改进了传统模型,建立了实用计算方法。研究表明,该方法准确便捷,适合于工程设计使用。     

预抛高法处理桥头跳车问题

分析了桥头跳车的原因．介绍了解决这一问题的主要方法．深入探讨了预抛高法处理桥头跳车措施的原理．提出其抛高量的估算是该法的关键。     

复合地基在高速公路软基处理中的应用

复合地基在高速公路软基处理中得到越来越广泛的应用。碎石桩和深层搅拌桩是目前应用最广泛的两种复合地基,文章介绍相关施工技术。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。