斜拉桥销铰连接锚固形式的初探

在国内斜拉桥设计中，斜拉索与加劲梁的连接锚固方式均采用锚箱，未见销连接锚固的形式，通过舟山桃夭门大桥设计与施工的实践，介绍采用这种宫续锚固形式的构思。     

基于曲面拟合的阻尼损耗因子预测方法

为研究阻尼材料在不同温度和频率下的阻尼特性,参照SAEJ1637—2022基于支撑钢棒的材料的振动阻尼特性的实验室测量方法,获取标准工况下某车用热熔型阻尼材料的阻尼损耗因子数据,并基于该数据采用最小二乘法,建立阻尼损耗因子关于温度和频率的拟合曲面,通过该试验方法获取标准工况外的阻尼损耗因子数据,并与拟合曲面数据对比,验证该拟合曲面的准确性。研究表明,该方法可以准确预测不同温度下该热熔型阻尼材料的阻尼损耗因子;对于该阻尼材料,其频变特性受温度影响;不同频率下,阻尼损耗因子到达峰值时的温度不同。     

现代物流背景下的高铁快运发展对策研究

基于现代物流的高速发展和货运市场结构的变化,依托高速铁路网,推行高铁货运业务。运用SWOT分析法,分析了现代物流背景下发展高铁快运业务存在的问题,并有针对性地提出了发展对策。     

高速公路连拱隧道超挖统计特征

超挖是隧道开挖中遇到的一大问题,直接影响工程建设的工期和投资。在对某高速连拱隧道超挖现场调查基础上,应用统计学和模型学的原理,对超挖块体的几何形态和大小进行统计特征评价,包括超挖块体投影面的边、面积和块体体积特征分析,揭示了连拱隧道超挖块体几何分布和体积分布规律,显示了连拱隧道与单拱隧道相比独有的超挖特征。     

爆扩桩在地下工程中的应用研究

通过工程实例,介绍了爆扩桩在抗浮工程中具有的造价低,安全可靠,施工方便等特点。     

马克思《巴黎手稿》“人的科学”思想的解读——兼论哲学与科学的划界

在《巴黎手稿》中,马克思在区分抽象自然与现实自然的基础上,提出了一种与自然科学有着本质差异的“人的科学”。循着马克思“人的科学”的思想路向,本文从研究视域与主题、思维方式与把握尺度、功能目的三个层面对哲学与科学作了清晰的划界,为对马克思哲学做出符合其文本原义的诠释提供了一个崭新的视角和切入点。     

电动空调压缩机专用逆变系统设计

电动空调压缩机专用逆变系统是机电一体化产品。其逆变器依据正弦波脉宽调制(SPWM)技术,主电路采用IGBT(绝缘栅门极双极性晶体管)模块,逆变管采用电力场效应晶体管。控制电路采用了数字集成电路。实现将电动汽车内的直流电压变换为电压、频率可调的三相正弦交流电压,带动压缩机运转。     

不同喷油正时对双燃料发动机燃烧性能的影响

为了研究双燃料发动机缸内燃烧情况及其排放特性,本文以4135ACa型高速柴油机为基础研究对象,利用商用CFD软件FIRE对其进行一定燃气工况下的数值计算,通过导入CHEMKIN所构建的化学动力学机理与喷雾破碎、湍流流动等基础模型相结合,构建了发动机的三维工作过程,并分析了不同喷油策略对该工况下发动机燃烧及排放的影响。结果表明随着喷油提前角的减小,燃烧放热规律整体后移,缸内爆发压力与温度随喷油提前角减小而减小,但是瞬时放热率均大于纯柴油。在喷油提前角为4℃A BTDC时,缸内爆发压力接近纯柴油状态,NOx排放量与纯柴油工况相近,当喷油提前角为2℃A BTDC时,NOx排放满足要求,但缸内平均温度仍比纯柴油模式要高。     

桥梁防护墙在不同车型列车碰撞作用下的防护效果

为探究桥梁防护墙的防护作用及列车头车脱轨碰撞防护墙后的运行状态,在Hypermesh软件中建立多种车型列车头车与桥梁防护墙碰撞的有限元模型,研究列车脱轨后与桥梁防护墙的碰撞过程。研究表明：A型动车组头车在无砟轨道上脱轨后,一侧车轮会掉入防护墙与底座板之间的空隙中,车体有明显的爬墙和倾覆趋势,防护墙承受的碰撞力达1 144 kN,防护墙严重破损,碰撞过程较为危险;B型动车组在有砟轨道上脱轨碰撞防护墙过程中,主要碰撞部位集中于设备舱豁口处,该部位会破坏防护墙上层单元进而出现车体爬墙现象,防护墙承受的碰撞力达345 kN;C型机车在有砟轨道上脱轨碰撞防护墙的过程中,碰撞部位集中在排障器边缘处,其切削作用于防护墙,没有出现爬墙现象,故较其他车型更安全,防护墙承受的碰撞力为292 kN。     

基于BP神经网络的CFAR检测器标称化因子确定方法

在运用恒虚警（CFAR）检测算法中,一个非常重要的工作是根据给定的恒虚警率确定其标称化因子。当标称化因子关于虚警率的关系式很难甚至于是不可能得到时,传统上采用仿真方法,但仿真方法的计算量非常大。为此文章利用BP神经网络具有强大的逼近任意非线性关系式的能力,提出了一种基于BP神经网络的CFAR检测器标称化因子确定方法。通过实例研究表明,通过对BP神经网络的输入进行自然对数的变换后,其对虚警概率和标称化因子的关系进行逼近时需要的训练次数将大为减少,研究还表明基于BP神经网络的标称化因子确定方法具有相当高的精度。