铁路整体PC箱形梁的徐变效应分析

研究目的:混凝土的徐变对预应力混凝土结构的影响不容忽视。在进行结构分析时,不同的计算模式,计算的内力和变形计算结果也不一样,其中混凝土徐变引起的预应力损失对于结构内力及变形的影响尚有待进一步探索。研究方法:文中结合铁路桥梁设计规范,采用MIDAS/Civil结构分析软件,对双线铁路整体PC箱梁在3种计算模式下,进行施工中预应力的张拉、落梁以及二期恒载作用阶段的受力和变形分析,探讨了徐变引起的预应力损失对结构的影响。研究结论:对简支结构而言,混凝土徐变不会产生次内力,但会使应力重新分布,考虑徐变引起的预应力损失将使梁体的内力减小;梁体在张拉力作用下产生上拱变形,并随时间推移而缓慢发展,二期恒载的作用将有效减小上拱挠度,梁体的徐变变形占总变形的50%,徐变引起的的变形对梁体对结构下挠不利,而对于上拱度的控制是有利的。     

大功率半导体激光相变硬化U74钢轨的实验研究

使用自主研制的新型高光束质量大功率半导体激光器对U74钢轨进行相变硬化,并对硬化结果进行分析。分析结果表明,经过半导体激光处理后的表面区域晶粒结构明显细化,硬化层硬度HV0/20可以达到800~900,比基体硬度提高3~4倍,沿半导体激光器光斑的不同轴向扫描对硬化层有很大影响,沿慢轴方向扫描得到的硬化层深度要远高于快轴方向的硬化层深度,硬度沿深度方向在过渡区附近迅速下降至基体硬度。实验表明,慢轴方向的相变硬化效率约为快轴方向的4倍。     

预应力粘钢加固试验研究

结合体外预应力加固和粘钢加固的优点,提出了一种新的加固普通钢筋混凝土桥梁的方法———预应力粘钢加固法。通过试验,探讨了预应力粘钢加固的施工工艺流程,证明了预应力粘钢加固法是可行的,能显著提高普通钢筋混凝土梁正常使用阶段的刚度和承载能力。在此基础上,给出了预应力粘钢加固应用于实桥时的注意事项。     

声阻抗在管路柔性元件降噪效果评估中的应用

本文根据传递矩阵法,建立了管路柔性元件的固有特性声阻抗和声学性能参数插入损失之间的关系.根据已有的管路柔性元件声阻抗参数获得不受工作环境影响的插入损失,给出管路柔性元件降噪效果的评估方法.     

结构模式对转向架构架扭转刚度的影响

将客车转向架焊接H形构架简化为由等截面直梁组成的模型,通过考察各梁在扭转载荷下的变形分布,研究降低构架扭转刚度的措施,并采用有限元方法对理论分析结果进行了验证。计算结果表明:侧梁上盖板开槽能使构架扭转刚度降低3%;改变横梁截面形式后,构架扭转刚度将减小19%,构架在超常载荷下的最大von_Mises应力降低3%。分析结果表明:构架侧梁上盖板开槽对其扭转刚度影响不大,并将引起局部区域较强的应力集中;横梁弯曲与扭转刚度对转向架构架扭转刚度有较大影响,将无缝钢管横梁改为箱型梁能够显著降低构架扭转刚度;同时,由于扭转刚度降低,构架在超常载荷下最大von_Mises应力也有所降低,轨道扭曲载荷对构架强度的影响减弱。     

近接基坑的地铁区间大断面隧道施工力学分析

以沈阳地铁建设工程实际为背景,针对近距基坑对地铁隧道施工的影响问题,采用数值模拟方法,通过计算不同施工顺序及不同近接距离时的大断面隧道初期支护内力,分析近接基坑对大断面隧道开挖的影响程度,并提出相应的隧道加固措施。     

性能基导航中飞行技术误差估计研究综述

从人为因素、飞行器性能与环境因素3方面剖析了性能基导航中飞行技术误差的影响因素及其特性。依据导航方式与特定运行条件分类论述了基于飞行试验的飞行技术误差试验统计研究, 指出了此类研究方法的局限性。评述了基于成型机理的飞行技术误差方差估计模型与方法, 讨论了各种方法的特点和应用范围。从飞行技术误差估计方法与应用2方面分析了现有研究的局限性与后续研究展望。分析结果表明: 在手动操作方式下, 不同的飞行策略对飞行技术误差有较大影响, 航径偏移指示器的灵敏度与侧向飞行技术误差负相关。在航路和终端区, 某些通用航空飞行器的侧向飞行技术误差的标准差分别高达759.32、481.52m, 主要原因是未安装高精度导航系统。对飞行试验结果进行统计拟合的估计方法无法全面地覆盖全部机型、航段与天气条件, 因而具有一定的局限性, 而基于成型机理的飞行技术误差估计方法估计的侧向、高度飞行技术误差的标准差分别为2.68、1.13m, 通过与仿真结果和实测数据的比较, 方法的有效性得到验证。性能基导航设备在实时估计飞行技术误差时, 采用假设常值而不进行实时估计, 将会使飞行器处于危险中。从多重因素入手研究如何减小性能基导航中飞行技术误差是未来的重要研究方向。     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度, 分析了离散的高速公路动态交通流数学模型, 基于Elman网络原理, 建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2, 采用Levenberg-Marquardt算法对回归神经网络进行训练, 并对一条5路段的高速公路进行仿真。结果表明: 回归神经网络平均相对误差为8.683 7×10^-5, 最大相对误差为4.237 1×10^-4, 与BP神经网络和RBF神经网络相比较, Elman回归神经网络能更好地逼近交通流数学模型, 真实地描述交通流基本特性, 能准确地建立动态交通流模型, 适应交通状况的变化。     

TRIP DISTRIBUTION MODELLING USING FUZZY LOGIC AND A GENETIC ALGORITHM

This article examines possibilities for the application of soft computing techniques for the prediction of travel demand. The model, based on fuzzy logic and a genetic algorithm, successfully solves the trip distribution problem. The possibilities of using the proposed model in solving trip generation, modal split and route choice problems have also been indicated. The model has been tested on a real numerical example. Exceptionally good correspondences between estimated and real values of passenger flows have been obtained.     

基于广义时空图卷积网络的交通群体运动态势预测

针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率。分析结果表明：相较于传统自回归求和滑动平均(ARIMA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79%、22.97%和16.73%;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17%和75.71%。可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息。