螺旋桨无键过盈安装应力数值分析

针对螺旋桨无键过盈安装后桨-轴应力数值计算问题,运用弹性力学理论和ANSYS有限元法进行应力的数值计算。通过理论值与仿真值的对比分析表明:桨-轴应力的仿真值比理论值略大,理论值与仿真值具有较好的一致性;Ansys有限元法考虑了接触边缘区域存在应力奇异性、桨-轴存在轴向应力和螺旋桨外表面存在径向应力的情况,比运用弹性力学理论求解更加准确可靠;通过桨-轴应力计算可以证明过盈量选取的合理性,为检验螺旋桨无键过盈安装的可靠性提供理论基础。     

盲源分离技术在水声信号中的应用研究

通过研究α稳定分布,提出海洋噪声、舰船辐射噪声等符合低阶α稳定分布,在进行对称α稳定分布且独立的随机源信号进行盲分离处理时,若仍然采用高斯分布将不收敛。本文设计了分数低阶矩阵盲源分离算法,最后通过实验对比本文所设计算法和时延分离算法。实验结果表明:本文所设计的算法对于α稳定分布且有独立的随机信号,具有较好的收敛性,能够有效实现盲源信号分离。通过从复杂的海洋噪声中仍能较好地提取出船舱辐射噪声的实验,说明即使信噪比发生变化,源信号分离后相似系数较分离前仍然有稳定地提高。     

桩土效应与地震对自升式平台动力响应影响分析

以某400英尺自升式钻井平台为研究对象,建立了相应的三维有限元分析模型,综合考虑风浪流包括地震等环境载荷和桩土效应的影响,对风暴自存状态下自升式钻井平台的响应进行了分析,通过比较传统的铰支模型和基于Winkler地基梁的桩土相互作用模型,并叠加地震波的作用,结果表明,传统的铰支模型计算结果偏于保守,考虑了桩土效应后,平台的最大侧向位移有所降低。同时,地震对平台的响应分析结果影响较大,叠加地震波后平台的水平向位移最大值增大幅度在60%以上,且不同的桩基模型考虑地震后增大的幅度也不一样。     

不同间隙比竖井内水流与平衡重二维流固耦合

目前,水力式升船机在国内外尚无投入实际运行,无实际设计、安装、运行经验可循。建立不同间隙比竖井与平衡重之间二维流固耦合数学模型,在非恒定流作用下,对不同间隙比时平衡重上升过程的水动力响应进行动态模拟。得出有利于该类升船机稳定运行的最优间隙比。     

水力式升船机制动器上闸与松闸条件

水力式升船机制动器采用常闭式制动,在升船机正常对接过程中,船厢调平以及事故工况下制动器上闸起到了固定船厢位置、阻止平衡侧和船厢侧钢丝绳力的传递和保护同步轴的作用。由于水力式升船机在上闸后平衡重侧和船厢侧的荷载实时平衡体系被打破,在松闸前需要满足相应的松闸条件,否则会对升船机安全运行产生极大危害。依托景洪水力式升船机对制动器上闸应用条件及松闸条件判断进行了系统分析,得到水力式升船机需要上闸工况和松闸条件的判断依据。     

基于湿度应力场理论的膨胀土边坡稳定分析

边坡土体中的膨胀力是导致膨胀土边坡失稳的主要原因之一。文章基于湿度应力场理论,采用ANSYS软件的热传导分析功能模拟分析边坡的降雨入渗以及膨胀变形,并采用有限元强度折减法对不同条件下边坡安全系数进行计算,分析了膨胀土边坡稳定规律,为膨胀土边坡处治提供理论依据。     

γ射线管道测垢厚系统计

针对清洗管道过程中测量内垢厚的问题,介绍利用γ射线透射法测量管道垢厚的系统设计。该系统可测量多种管道内垢层厚度,系统样机主要由γ射线收发模块、信号预处理模块、单片机控制模块、上位机管理通讯模块等组成。通过实验,样机可准确测量管道内垢层厚度,为管道的清洗与检测提供了科学依据。     

基于自适应神经模糊推理的交通状态判别方法

文章针对交通状态具有模糊性和主观性的特点,建立能够真实反映人对交通拥塞程度感觉的自适应-神经模糊推理系统,使具有变化连续的交通流参数模糊化处理,实现了道路交通状态的准确、快速辨别。     

氧气管道安全运行措施的分析

首先从氧气的性质入手,对氧气管道发生燃烧、爆炸的原理进行了分析,进而针对氧气管道的特性提出了在设计阶段如何控制好氧气流速以及材料的选择、在施工阶段如何处理好焊接和保持管道的内部清洁、在管道运行阶段如何采取安全措施,通过对这几方面的严格控制,将在很大程度上降低氧气管道发生事故的概率,从而确保氧气管道的安全运行。     

Hybrid model for prediction of bus arrival times at next station

Effective prediction of bus arrival times is important to advanced traveler information systems (ATIS). Here a hybrid model, based on support vector machine (SVM) and Kalman filtering technique, is presented to predict bus arrival times. In the model, the SVM model predicts the baseline travel times on the basic of historical trips occurring data at given time‐of‐day, weather conditions, route segment, the travel times on the current segment, and the latest travel times on the predicted segment; the Kalman filtering‐based dynamic algorithm uses the latest bus arrival information, together with estimated baseline travel times, to predict arrival times at the next point. The predicted bus arrival times are examined by data of bus no. 7 in a satellite town of Dalian in China. Results show that the hybrid model proposed in this paper is feasible and applicable in bus arrival time forecasting area, and generally provides better performance than artificial neural network (ANN)–based methods. Copyright © 2010 John Wiley & Sons, Ltd.