注浆技术在桩底补强中的应用

针对桩底持力层缺陷、不同地层组成和件状,选用劈裂、高压旋喷等注浆技术进行补强,并介绍了注浆工艺、选用参数及注意事项,供参考应用。     

船舶航行安全影响因素量化分析

为了保障海上船舶航行安全,采用构建船舶航行安全影响因素鱼骨图,利用模糊层次分析法对环境条件、交通调查中船舶行为基本要素进行量化分析.运用交通模型研究不同自然环境条件下的船舶安全航行方法的特点,对基于海上船舶密度、航迹分布、交通流、交通量和船速分布、船舶到达规律、交通容量、船舶行为、船舶管理等基本要素,进行数学方法的定量...     

基于DSP的声成像实验系统开发研究

提出并实现了一套基于DSP的声成像实验系统,介绍了其硬件和软件组成以及如何利用该系统实现声成像。初步的实验结果表明,利用该系统进行宽带声成像实验具有较好的效果,为进一步的声成像研究和验证提供了必要的基础。     

基于RA8876M的船舶机舱一体化显控模块设计

针对船舶机舱内设备的便捷操作需求,采用STM32F429芯片和RA8876M显示控制器,研究设计一套适于船舶机舱使用的具有接口丰富、操控便捷和应用场景丰富等优点的一体化显控模块。RA8876M显示控制器能在无操作系统环境下正常工作,有助于降低模块整体应用程序的开发难度;利用RA8876M显示控制器配套上位机软件可视化编程的优势,能大幅缩短软件开发周期。通过在某船舶机舱延伸报警系统中应用,验证该一体化显控模块具有优良的工作性能。     

水平定向钻数据采集及远程监控系统研究

文中针对油气长输管道水平定向钻施工,研发了数据采集及远程监控系统。通过数据采集装置将钻机施工中的关键数据进行实时采集、处理和远程无线传输,由手机APP进行远程监控,实现了工程项目的远程管理,预测后续施工中可能出现的问题,降低施工风险,提高施工效率。     

公路滑坡综合整治处理设计

介绍了广东省公路K41+800—K41+860右侧边坡的整治处治。分析了边坡滑塌的起因,在分析的基础上提出了以预应力锚索和抗滑挡墙为主、护坡、拱架植草防护为辅的综合整治措施。实践证明,对于顺层且倾向于路基一侧的边坡以及由地质构造如断层控制的边坡,都有失稳的可能性,在设计时应除了对全坡面进行必要的防护外,还应根据计算分析结果对边坡进行有效可行的加固。本边坡滑塌整治至今效果良好,说明本文提出的"削坡减载、强身固脚"的综合措施是合理可行的。     

水泥粉喷桩加固黄土软基的载荷试验研究

利用粉喷桩处理软土地基的方法已在我国广泛应用,但是对于处理黄土软土地基,规范中并无相关的计算参数。采用水泥粉喷桩法对甘肃尹中高速公路沿线黄土软基进行了地基处理,通过载荷试验发现水泥粉喷桩法加固黄土软基效果显著,且浸水对复合地基的承载力影响较小。     

基于T-S模糊模型的多轴转向车辆H_∞鲁棒控制

为解决多轴转向车辆模型非线性和各种干扰影响下的控制问题,分析了轮胎非线性和外界干扰,建立多轴转向车辆的二自由度非线性模型,应用T-S模糊理论,将其转换为局部线性的T-S模糊模型。基于并行分配补偿法(PDC)和H∞鲁棒控制理论,设计了转向系统的模糊PDC H∞鲁棒控制器,并利用线性矩阵不等式和模糊逻辑控制工具求解控制器。在正弦波和阶跃信号干扰下,车速为80km.h-1时,进行前轮转向回正和前轮角阶跃输入转向的仿真试验。仿真结果表明:侧偏角和横摆角速度动态响应的超调均为0,且均在0.06s内达稳态值;前轮转向回正试验的侧偏角和横摆角速度稳态值均为0,前轮角阶跃输入转向试验的相应值分别为0和1.2(°).s-1,且稳态横摆角速度增益为0.24[(°).s-1].(°)-1。这说明了多轴转向车辆在模糊PDC H∞鲁棒控制下的高速转向平稳迅速,T-S模糊建模和鲁棒控制器设计算法对解决轮胎非线性和外界干扰影响是有效的。     

舰船开孔流动噪声控制措施研究

基于计算流体软件,采用大涡模拟方法计算了给定来流速度条件下表面开孔的非定常流场,分析了流场的非定常流频谱特性,采用边界元方法模拟了噪声源特征,对各种流动噪声控制措施进行了对比分析.计算结果表明,开孔形式的改变会直接影响流噪声的水平,设计结果可以为舰船流水孔的降噪设计提供参考.     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.