浅谈钢板桩在深基坑支护中的应用

以深圳市清辉路市政工程为例,通过对地质条件的分析和深基坑围护方案比选,确定采用悬臂钢板桩支护方案.讨论深基坑支护中悬臂钢板桩实施方法以及钢板桩支护结构施工便捷、节约材料的优点.     

基于LES与Powell涡声理论的孔腔流激噪声数值模拟研究

孔腔流动中含有复杂的流体振荡,不但能够引起明显的噪声,而且会造成物体脉动压力和阻力的急剧增加,因而孔腔流动与流激噪声已经成为流声耦合研究领域的重要内容。文章首先对于Powell涡声理论进行了介绍,给出了涡声方程及其求解的详细推导过程,随后利用圆柱/机翼组合体与方腔流激噪声测试结果验证了计算方法的可靠性,最后采用大涡模拟方法结合Powell涡声方程数值计算了两型孔腔在不同水速下的流激噪声,并与中国船舶科学研究中心循环水槽试验结果进行了对比分析,结果表明数值计算方法能够较准确地预报孔腔流激噪声,并能展示孔腔内外涡旋结构。计算结果表明:在500 Hz以下的低频段,格栅1型孔腔的流激噪声显著高于格栅2型孔腔;在500 Hz-10 k Hz高频段,格栅2型孔腔流激噪声比格栅1型孔腔高,但随着流速的增高,两种孔腔流激噪声在高频段的幅值基本一致。这些现象与孔腔内的涡旋结构密切相关。文中对孔腔流激噪声的数值预报方法进行了验证,有益于理解孔腔非定常流动的物理机理,且为抑制孔腔流激噪声奠定了基础。     

流激噪声数值计算方法及声学积分面影响性研究

在流声耦合领域中,水下航行体复杂流动与流激噪声研究具有重要的学术意义与实用价值。文章对FW-H声学类比方法、渗流FW-H声学类比方法、Kirchhoff方法与Powell涡声理论进行了物理内涵与数学公式的详细比较;然后利用大涡模拟结合四种声计算方法数值计算了三维NACA0015机翼、机翼/圆柱结合体、方腔产生的流激辐射噪声,并与国内外试验结果进行了对比,分析了四种声计算方法的计算精度与计算效率;最后,对围壳流激噪声进行了数值预报与试验验证,计算了围壳在不同水速下的流激噪声变化规律,并探讨了声学积分面对计算结果的影响。     

离心风机流场大涡模拟与管中噪声数值预报

[目的]为开展离心风机振动噪声预报,[方法]首先,对离心风机整个流域进行结构化网格划分,采用大涡模拟(LES)获得叶轮表面随时间变化的脉动力,以旋转偶极子辐射为模型,采用声学有限元方法计算管道中的辐射声;然后,以蜗壳部分的壁面偶极子为辐射源,计算壁面脉动压力辐射声;最后,将数值计算结果与试验结果进行对比分析。[结果]结果表明,蜗壳壁面脉动压力辐射声在低频段高于叶轮辐射声,而在高频段低于叶轮辐射声;数值计算结果与实验结果具有一致性。[结论]所提叶轮辐射声及蜗壳壁面脉动压力辐射声的预报方法可满足工程应用需求。     

如何作好互通式立交T型平面交叉

互通式立交平面交叉是决定整个互通式立交的通行能力、服务水平和交通安全的关键部分,着重讲述了如何设计互通式立交T型平面交叉的渠化设计。     

路面裂缝的产生原因及预防措施

裂缝的产生与路基工程的质量有直接关系,它将严重影响公路的使用性能,着重分析了路面裂缝产生的原因及预防措施。     

高速公路卫星定位不停车收费试验系统的设计与实现

根据基于卫星定位收费系统的技术特点,结合我国高速公路现有收费模式的实际情况,探索了适合于我国的卫星不停车收费试验系统的搭建及运行模式.通过对试验系统兼容性设计原则的定义,提出了试验系统的搭建及实现方法.并在试验系统运行中检验了系统的合理性及可靠性.对系统运行中出现的技术及非技术问题进行了分析并提出了解决问题的方法、建议.     

离心风机蜗壳振动声辐射的定量预测

  目的  为开展离心风机振动噪声预报,  方法  首先,对离心风机整个流域进行结构化网格划分,采用大涡模拟（LES）获得叶轮表面随时间变化的脉动力,以旋转偶极子辐射为模型,采用声学有限元方法计算管道中的辐射声;然后,以蜗壳部分的壁面偶极子为辐射源,计算壁面脉动压力辐射声;最后,将数值计算结果与试验结果进行对比分析。  结果  结果表明,蜗壳壁面脉动压力辐射声在低频段高于叶轮辐射声,而在高频段低于叶轮辐射声;数值计算结果与实验结果具有一致性。  结论  所提叶轮辐射声及蜗壳壁面脉动压力辐射声的预报方法可满足工程应用需求。     

基于长短期记忆神经网络与注意力机制的智能汽车分车型跟驰模型

考虑到跟驰车流中前车车型对智能汽车跟车行为的影响，采用长短期记忆 （Long Short Term Memory，LSTM）神经网络，基于 NGSIM 数据集，通过 One-Hot方法编码车型特征，并引入注意力机制 （Attention Mechanism） 生成输入特征的注意力权重，训练并建立了一种可根据前车车型产生不同跟驰行为的智能车辆跟驰模型 （Identifiable Vehicle Type Car-Following Model，IVT-CF）。在不同前车车型的跟车场景中仿真发现，IVT-CF 模型仿真车辆的速度和位移的均方误差 （Mean Square Error，MSE） 比不分车型的 LSTM 模型分别降低了 23.8%、31.7%，比 IDM 模型分别降低了 15.8%、18.7%，仿真精度更高。在混入大型车辆的车队跟驰场景仿真中发现，交通流速度和车头间距的收敛时间为 92 s，该模型能较快收敛，具有较好的稳定性和抗干扰能力。