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。     

层布式钢纤维混凝土力学性能

为提高混凝土的力学性能,采用层布钢纤维对素混凝土进行抗压强度、抗折强度、荷载-挠度曲线以及弯曲韧性进行初步探讨,并依次考虑层位和掺量变化对它们的影响.通过实验数据分析得到,层布钢纤维的加入使抗折强度有明显的提高,最大提高了22.6%;由荷载-挠度曲线分析,层布钢纤维改善了混凝土的受力特性,使混凝土的韧性显著改善,在破坏时呈现裂而不断,会出现几个波峰的现象;利用日本JCI(Japan Concrete Institute)SFRC委员会弯曲韧度系数法计算韧度,结果表明,层布钢纤维混凝土具有良好的增强和增韧效应.     

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。     

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。     

圆柱齿轮电化学机械光整加工应用研究

将电化学机械加工工艺应用于汽车变速器齿轮齿面光整加工。结果表明,齿轮经电化学机械光整加工后,在保持原精度等级基础上,表面质量明显改善,表面轮廓平均算术偏差Ra可以降至0.2μm以下。变速器整体声压级测试表明,电化学加工齿轮后的变速器总体噪声指标明显下降。     

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。     

FPSO船体建造工艺与应用

通过对比浮式生产储卸油装置(Floating Production Storage and Offloading,FPSO)与常规船体的不同,对船体主甲板结构提出新要求,同时新增加模块支墩、单点舱等结构.结合FPSO建造技术要求,对船体分段进行有限元分析、合理确定分段缝,对单点舱区域坞墩进行布置设计,并针对单点舱、模块...     

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。