角隅结构对舱内爆炸载荷影响的实验研究

在空间较封闭的舱室中发生爆炸时,舱室板架结构所承受的载荷包括壁面反射冲击波和角隅部位的汇聚冲击波,这种载荷特性将直接影响到结构的破坏形式。采用双层舱室结构模型进行了不同装药量的舱内爆炸实验,研究了三种不同的角隅连接结构型式对冲击波在角隅汇聚情况的影响。基于图象法(Method of Images)解释了冲击波在角隅的汇聚现象,采用数值计算方法分析舱内爆炸冲击载荷与结构的相互作用。结果表明:舱室角隅位置的连接结构型式只对小药量工况下的舱内爆炸冲击波流场有一定的影响,其中相对平缓过渡连接的结构型式一定程度上减缓了冲击波在角隅的汇聚。当初始冲击波强度较大时,结构型式的改变对冲击波的角隅汇聚影响不大。舱室内形成的反射冲击波高压区将首先作用在横舱壁中部位置,基于这种传播路径和特性,横舱壁上设置适当的开孔将有效地降低舱内的冲击波汇聚压力。     

高速弹体侵彻液舱试验研究

为研究高速弹体侵彻液舱过程中的水锤效应和结构毁伤机理,本文开展了高速弹体侵彻液舱试验测试,得到了高速弹体入水产生的冲击波压力的传播和衰减规律,并采用高速相机记录了高速弹体侵彻液舱过程中空泡的演化过程.试验设计了不同厚度的液舱前后靶板,发现水锤效应使得液舱后板变形比前板更严重.此外,后靶板在侵彻过程中的变形会直接影响到反射冲击波压力的传播和衰减,较大的后靶板变形可显著缓解前靶板的变形情况.试验结果对舰船液舱结构的设计优化具有一定的参考价值.     

长江口深水航道大风骤淤量的统计与分析

搜集整理了长江口2008—2013年对长江口影响较大的台风资料以及航道的回淤资料。目前,没有长江口深水航道大风骤淤量的现场实测资料,也没有比较科学合理的航道骤淤统计方法,为此,提出基于目前实测资料基础上的航道大风骤淤量的统计方法。利用此方法对长江口深水航道2008—2013年的大风骤淤量进行统计分析。     

铁路危险品站装卸工遗传毒性效应研究

为探索危险品装卸作业对工人的遗传毒性效应，应用AOD、SOS/Umu原位法对铁路主要危险品专办站进行空气监测；应用Ames试验测定接触工作尿液致突变物负荷，应用血液微核试验、SCE试验测定对机体的致突变性效应。结果危险品库房AOD值与对照点相比有极显著性差异，SOS/Umu试验呈阳性反应。尿液Ames试验TA98、TA100菌株阳性反应率均升高，有明显剂量反应关系，工人外周血淋巴细胞微核率、SCE显著高于对照组。表明危险品装卸作业污染可引起工人机体致突变性效应，并与危险品站工人肿瘤高发可能存在因果关系。     

组合注浆施工技术在电力隧道穿越老旧民房施工中的应用

北京市新建南苑变电站一玉泉营变电站电力隧道工程,在石榴庄路至玉泉营变电站区间隧道向下穿越当地居民的老旧民房.为达到隧道穿越施工不拆迁居民房屋的要求,采用了TGRM前进式深孔注浆工艺和袖阀管注浆工艺组合施工技术,在隧道内进行超前水平注浆加固的方案.该组合注浆技术实现了隧道开挖施工穿越地表房屋"零沉降"的技术要求,节省了大量工程拆迁费用,为类似工程施工提供借鉴.     

弹性支承块式无碴轨道振动分析新模型

针对弹性支承块式无碴轨道结构特点,提出了一种新的用于竖向振动分析的有限元模型。在该模型中,钢轨模拟为弹性点支承Euler梁;钢轨下面的支承块视为刚体;轨道板视为弹性薄板,并且采用横向有限条与板段单元法对其进行位移插值;钢轨扣件模拟为线性弹簧和阻尼器;轨道板和混凝土底座下的路基模拟为连续分布面弹簧和阻尼器。在此基础上,基于弹性系统动力学总势能不变值原理和形成系统矩阵的"对号入座"法则,推导了弹性支承块式无碴轨道的竖向振动总势能,为建立弹性支承块式无碴轨道竖向振动方程,乃至进行弹性支承块式无碴轨道在高速列车作用下的动力响应分析奠定了良好基础。     

船体分段车间指标采集系统开发及应用

为验证船体分段车间智能制造执行管控系统（Intelligent Manufacturing Execution System，IMES）软件在多家船厂的应用效果，开发船体分段车间指标采集系统（Index Collection System，ICS）。该采集系统可对船体分段车间的生产效率、车间库存减少百分比、停工待料缩短百分比、船体分段无裕量制造率和品质报验差错率等5项指标按周期进行数据采集和处理，进行指标验证。根据验证结果，可不断完善优化IMES，以利推广。     

打桩船定位桩底座关键结构强度有限元分析

为避免打桩船在作业时可能导致桩架断裂等问题的发生,对桩架底座进行结构强度校核。依据中国船级社(CCS)相关规范,使用有限元软件建立某打桩船定位桩底座加强结构的有限元模型,并对航行和作业状态两种工况下的结构强度进行有限元分析,获得相关应力情况并进行研究分析,结果表明定位桩底座加强结构的强度满足CCS相关规范要求。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。     

基于UWB的船舶车间智能高精度定位系统应用技术

为实现对人员、设备、物料等各生产要素的精准定位,需研究船舶车间智能管理相关技术。基于UWB定位技术,开发船舶车间高精度定位系统,完成在典型船舶车间的试验验证,车间内关键要素定位精度达到分米级,为作业人员跟踪、实时生产管控提供辅助,提高车间生产效率,推进船舶智能制造。