衬砌劣化对水下盾构隧道变形的影响分析

针对目前世界最大直径水下盾构隧道的工程背景和劣化环境,通过分析衬砌劣化机理和行业规范标准确定了以有效厚度考量衬砌结构劣化,采用强度折减原理对强度参数进行逐步地折减,建立了考虑地层土性和覆土厚度影响的水下盾构隧道衬砌劣化模型,运用数值计算方法分析了衬砌劣化的多种组合工况,从而对衬砌劣化引起上海长江隧道（崇明越江通道）变形的特征表现和趋势规律进行了研究和探讨。研究结果表明：基于有效厚度折减的衬砌劣化分析方法能够有效地反映劣化后隧道结构的整体变形状况,且计算结果可靠合理,可为盾构隧道健康状态诊断与分析提供理论依据和技术支持,也可为运营管理部门正确及时的养护维修提供借鉴和指导。     

基于性能退化的损管模拟器液压系统可靠性评估方法

利用退化数据研究了在退化轨道不能明确表达的情况下动态损管模拟器液压系统可靠性退化的评估方法.通过模拟试验,利用外部可测参数实现了对液压系统性能退化的评估.对性能退化分布曲线进行了分析,得出失效阈值和退化度之间的关系,并对几种不同方法进行了分析比较,说明利用本文方法可以对产品的可靠性评估提供依据.     

舰船高传递损失复合托板振动特性优化设计

基于结构动力学优化设计理论,研究了潜艇典型舱段双层圆柱壳舷间高传递损失复合托板结构。通过初步优化,得到隔振效果最优的刚性阻振质量块的最优截面尺寸和布设位置,并将最优参数的刚性阻振质量块等效为相同截面惯性矩的球扁钢。在满足舱段总重量及危险截面结构强度的约束条件下,以舱段非耐压壳体全频域内的平均振动加速度级为目标函数,对高传递损失复合托板的开孔半径和托板角度进行动力学优化设计,得到最优振动特性的复合托板形式。由优化结果得到,在中、高频段内,高传递损失复合托板有明显的降噪作用,舱段非耐压壳体全频域内的平均振动加速度级降低了1.66 dB。     

基于EON的装备虚拟维修训练系统的设计与实现

针对维修训练的现状,通过对当前主流的虚拟现实软件平台进行分析,基于EON Studio构建了三维的、可交互的装备虚拟维修训练系统,并提出了一种核心工作引擎的设计方法,实现了引擎数据交换、人机交互和维修动作设计等关键技术,屏蔽了底层模型的操作,有效保证了系统设计的通用性和可扩展性。     

多媒体教学系统中数据压缩方法的研究

如何在网络上实时地传输图像一直是网络数据传输的难点,作者简单介绍了无损数据压缩中的游程编码和帧间编码,然后提出一种游程编码和帧间编码相结合的混合编码数据压缩方法,实现了网络图像传输中对大量图像数据的快速、高效压缩。     

北京市地铁乘客安检安全意识调查分析

近年来,国内外地铁安全事故时有发生,地铁安检作为应对安全隐患的有效防范手段,加强其检查力度也成为国内各个地铁安全部门的共识。安检会增加乘客的延误时间,使乘客对地铁安检颇有微词,乘客与安检员发生冲突的事件也屡有发生。为增强乘客的地铁安全意识,改进安检流程,通过问卷调查和统计分析,对北京市地铁乘客进行调查,分析其评价水平及影响因素。结果表明,北京市地铁乘客的平均安全意识得分为74.16分,为中等水平,其中安全行为、安全态度、安全知识三个维度分别处于较高、中等、较低水平。该调查有助于地铁安全部门有针对性地制定地铁安检的宣传方案,提高服务水平,改善安检流程。     

适用船舶自流冷却系统中冷却器的工程设计研究

针对船舶自流冷却系统对冷却器要求的特点,对各种间壁式换热器的优缺点进行了分析,并结合热工理论计算,确定了冷却器宜采用小管径换热管的钛合金管壳式换热器,获得了小管径换热管数量与不同航速、冷却流体流动状态的设计关系,且基于热工计算结果表明了结构优化方向。采用 CFD技术对两管程流体流场进行了数值模拟优化分析,获得了后端管箱封头a/b的最佳值。实船工程试验结果验证了本文分析设计和优化方法的可靠性。     

基于延迟脱体涡算法高速列车通过隧道时的绕流特性

基于延迟脱体涡算法和滑移网格技术,建立CRH380A型列车的含有转向架的三维可压缩瞬态仿真模型,模拟研究高速列车气动力、速度场和表面压力这3大绕流特性的变化规律。结果表明:延迟脱体涡算法能较好地捕捉列车通过隧道时的气动特性;当列车头部刚驶入隧道时,气动阻力迅速升高并在车头完全进入隧道时达到最大值,列车下方2侧的速度纵向分量会急剧增加,位于靠近设备舱位置的速度纵向分量会显著降低;当尾车刚驶入隧道时,隧道内壁与列车侧面之间的流场会出现回流区;当尾车全部刚驶入隧道时,气动升力和侧向力骤然增加;当列车全部驶入隧道后,气动力的波动幅值均明显升高;列车通过隧道过程中,列车侧面压力整体上呈现先增后减、最后维持周期性波动的趋势,处于尾流区的车尾部位具有更强烈的波动特征;列车裙板和车底的表面压力整体上均呈先减后增、最后维持在较高幅值波动的趋势,对列车相关结构的疲劳强度产生不利影响。     

冰雪条件下中国驾驶员跟驰行为及模型研究

分析驾驶员在冰雪条件下的驾驶行为特性，建立考虑驾驶员行为特性的跟驰模型，有助于丰富现有交通流理论.通过招募驾驶员开展实车跟驰试验，对比分析正常条件与冰雪条件下的驾驶行为差异.进而基于任务难度均衡理论构建包含人类因素参数的任务难度模块，引入改进后的智能驾驶员模型，并采用车辆轨迹数据对模型进行标定和有效性验证.研究表明：驾驶员在跟驰行驶过程中受外界刺激及自身驾驶能力影响时会对车辆行驶状态进行动态调整，试图保持期望间距，且速度与前车一致的状态；冰雪条件下驾驶员采取风险补偿行为，其车头时距波动幅度较正常条件收窄，模型引入人类因素参数可以较好地描述其差异性. 模型有效性验证表明，新模型在6个仿真场景中的表现都优于传统智能驾驶员模型，且表现出更好的鲁棒性.研究结果可为冰雪条件下的交通管理措施制定提供理论支持.