双连拱隧道主洞上下台阶法施工数值模拟分析

针对双连拱隧道采用主洞上下台阶法施工步骤,利用有限元计算软件进行施工过程动态数值模拟,通过应力场和位移场分析,并结合现场监控量测与数值模拟计算结果进行对比分析,验证该方法的可行性,为双连拱隧道设计和施工提供理论依据。     

基于流动模拟和动力学仿真的高速列车横风运行稳定性研究

以国产CRH3型3节车编组高速列车为研究对象,利用计算流体力学软件Star-CD/CCM＋计算了在不同横风风速和不同车速下的列车气动力荷载;将该荷载导入动力学仿真软件SIM-PACK的列车运行动力学模型中,计算出在不同横风和车速条件下的脱轨系数、减载率和倾覆系数等运行稳定性参数.计算表明：头车的气动性能和运行稳定性受横风的影响最大;根据车辆动力学性能参数确定的列车安全速度限值与横风风速之间并非线性关系.参照有关高速列车运行稳定性评定标准,给出了不同横风风速下高速列车安全运行的速度限值.     

道路货物网络化运输的服务类别和发展模式

基于我国道路货物运输的发展现状,以探索推行道路货物运输网络化的发展模式为主线,以提高道路货物运输组织效率和行业发展水平为最终目标,阐述道路货物网络化运输的概念及内涵,对网络化运输服务进行了划分,构建了我国推行道路货物网络化运输的两类发展模式,并利用图示和文字结合的方式对其进行了分析评价。     

桥梁建设施工平台及栈桥验算分析

以某大跨径桥梁的施工栈桥平台计算为例,介绍栈桥平台计算荷载、钢管桩基础验算、施工栈桥强度及稳定性验算。经实践证明,栈桥平台设计满足实用性及相关规范要求。     

汽车用蓄电池的正确使用与维护

蓄电池作为汽车上不可或缺的一大电源，在起动发动机时要在短时间内提供强大的起动电流，除保证在制造过程中有良好的结构性能外，在使用过程中，也要正确对蓄电池进行检查和保养，以最大限度地发挥其作用，并延长其使用寿命。     

长大坡道防止电力机车轮对失圆的解决方案

1 SS4改型电力机车牵引性能概况SS4改型电力机车是8轴重载牵引货运机车,机车总重184t,持续功率6 400 kW,最大牵引力628 kN,构造速度100 km/h,采用DK—1型电空制动机,动力制动采用加馈电阻制动及准恒速制动电流给定特性控制方式。2 SS4改型电力机车轮对失圆故障分析朔黄铁路运输     

斜拉索索端密封胶粘接性能对比试验研究

优选4种不同类型的密封胶进行拉伸试验，检验其与聚乙烯的粘接剪切强度，结果表明，703硅橡胶的性能要优于其它3种材料，建议考虑选用此密封胶作为斜拉索索端密封材料。     

高液限土在路堤填筑中的改良应用

综合处理应用高液限土进行公路建设,可以避免过大的增加工程造价及保证路基的强度和稳定性,结合广西等地区在这方面的实践情况,介绍了利用隔离排水、掺粗粒土、土石混填等方法综合改良高液限土进行路基填筑的经验,分析探讨其可行性,为今后相似情况下的设计或施工提供一定的借鉴。     

基坑分区开挖对邻近大直径越江隧道影响的数值模拟与现场实测分析

为研究基坑分区开挖对邻近越江隧道保护的有效性,以上海市西藏南路双线越江隧道附近绿谷一期基坑工程为依托,首先采用有限元法建立数值模型,分析基坑分区与不分区开挖对地下连续墙位移和既有越江隧道收敛变形的影响。然后根据现场监测数据,研究基坑分区开挖下既有越江隧道和地下连续墙的变形规律。结果表明： 1）采用分区开挖的方式,地下连续墙最大位移减小23.9%,邻近越江隧道最大竖向位移减小35.4%,分区开挖施工对距离较近隧道的保护效果更好; 2）对于面积较大的分区,其开挖导致的地下连续墙变形更大; 3）既有越江隧道在基坑施工过程中发生了斜向压扁的不规则收敛变形,地下连续墙最大水平位移对邻近隧道的收敛变形具有一定的预测作用。     

Soft-Sensing Method with Online Correction Based on Semi-Supervised Learning

Soft sensing has been widely used in chemical industry to build an online monitor of the variables which are unmeasurable online or measurable online but with a high cost. One inherent difficulty is insufficiency of the training samples because the labeled data are limited. Besides, the traditional soft-sensing structure has no online correction mechanism. The forecasting result may be incorrect if the working condition is changed. In this work, a semi-supervised learning(SSL) method is proposed to build the soft-sensing model by use of the unlabeled data. Meanwhile, an online correction mechanism is proposed to establish a soft-sensing approach. The mechanism estimates the input variables at each step by a prediction model and calibrates the output variables by a compensation model. The experimental results show that the proposed method has better prediction accuracy and generalization ability than other approaches.