某桁式组合拱桥新拱脚结点局部应力分析

桁式组合拱桥的新拱脚支撑着中部桁架拱,新拱脚结点构造和受力复杂.以某桁式组合拱桥为例,借助通用有限元程序ANSYS,建立其新拱脚结点局部三维有限元模型,通过提取新拱脚结点处各杆件断面轴向应力沿各条路径的变化图,分析该部位的应力分布特征.分析结果表明:在最不利荷载组合工况下,新拱脚截面上缘、新拱脚处各杆件与新拱脚连接处以及各杆件间连接的圆弧段拉应力均较大,这些位置都容易出现横向裂缝.理论分析结果与实桥病害情况吻合.提出新拱脚结点局部设计的改进思路和方向.     

相变材料聚乙二醇应用于沥青混合料可行性的研究

利用相变材料聚乙二醇对基质沥青以及AC-20沥青混凝土的基本性能以及温度敏感性进行试验研究.试验结果表明:随着相变材料掺量的加大,相变材料改性沥青的黏度变大,延度逐渐下降,温度敏感性下降.当相变材料掺量达到30%时,可使相变材料改性沥青在60℃停留5 h以上.用相变材料改性沥青配置的AC-20沥青混合料具有较好的高温稳定性,其动稳定度可达到3 210次/mm,是普通AC-20沥青混合料的2倍以上,其在39℃高温日照条件下可降低路面温度9℃,而对其低温性能影响不大.     

预应力管桩在沪宁高速公路拓宽工程软基处理中的应用

沪宁高速公路地处江南水网地区,软基范围广,在路基拓宽工程中,新旧路基的拼接是难题之一.根据沪宁高速公路沿线不同的地质条件,部分软基段采用了先张法预应力钢筋混凝土管桩进行处理,有效地解决了软基段新旧路基的沉降差问题,取得了良好的效果.     

丰田A43D自动变速器液压油路（Ⅱ）

2 各档位时液压控制系统的工作状况 按由简到繁的原则,讲述各档位液压控制的工作情况,其油路图如图11～23所示。各油路的工作状况彩色图将在汽车电器网站（www.qcdq．cn）论坛中刊出。     

钢箱梁桥面轻集料混凝土的性能研究

高强高韧性轻集料混凝土具有轻质高强、高韧性、抗渗性佳、隔热保温等显著优点,适宜作钢箱梁桥桥面铺装材料.针对高强高韧性轻集料混凝土的这些特点,研究了纤维和聚合物掺量对轻集料混凝土工作性能、抗压强度、抗折强度、弯曲韧性的影响规律,成功配制出干表观密度小、抗压强度等级达到C50、抗折强度大于8.0 MPa、韧性指数η30大于28的钢箱梁桥面铺装材料高强高韧性轻集料混凝土.     

6190燃气发动机循环变动试验研究

对6190直列天然气发动机进行了气缸压力、瞬时转速及同步信号等的测量,分析了不同工况下该机的燃烧循环变动情况和各缸的工作均匀性。结果表明,燃气发动机燃烧循环变动和工作不均匀度都较大,但随着负荷的增大,燃烧循环变动和工作不均匀度都减小。分析认为进气不均及各缸不能在最佳点火时刻点火是产生燃烧循环变动大的主要因素,并据此提出改善燃烧循环变动、减小工作不均匀度的建议。     

丰田A46DE自动变速器液压油路（Ⅱ）

2．7 2位1档时液压控制系统的工作状况变速杆放在2位,ECU将传感器输入的信号与相关的程序和数据进行运算后,使输出为1号电磁阀通电（ON）,2号电磁阀断电（0FF）。     

基于CAN-BUS的电控悬架与助力转向系统集成研究

为克服汽车底盘各电控单元分立控制所带来的局限性,依托CAN-BUS组建车载网络,从而形成了单元之间的数据传输与共享机制.在此背景下,提出了电控悬架与助力转向单元的系统集成方案,进而完成了相应的CAN-BUS控制节点设计.其中,分别在原有分立控制算法的基础上,建立了电控悬架与助力转向单元的控制系统模型,并通过整车转向动力学模型将因转向而引发的车身侧倾效应导人到了电控悬架单元中加以控制,由此实现了单元的协同控制.最后,通过仿真分析验证系统集成方案的有效性.     

润扬长江大桥钢箱梁的温度分布监测与分析

基于润扬长江大桥斜拉桥和悬索桥钢箱梁的温度观测结果,研究了扁平铜箱梁在日照作用下的温度分布特征,比较了悬索桥和斜拉桥2种桥型钢箱梁温度场的差异.实测结果表明:(1)钢箱梁顶板的昼夜温差明显大于底板的昼夜温差,且悬索桥钢箱梁的昼夜温差较斜拉桥更为明显;(2)钢箱梁底板的横向温度分布基本相同.可以不计横向温差影响;(3)钢箱梁顶板的横向温差表现为非线性时变特征,且斜拉桥和悬索桥钢箱梁的顶板温度分布模式存在明显的差异.润扬长江大桥扁平钢箱梁的温度分布模式为扁平钢箱梁在日照温差作用下的结构计算和桥面铺装层计算提供了重要参考.     

Improved Classification Approach via GEPSVM

A modified multisurface "proximal support vector machine classifier via generalized eigenvalues (GEPSVM for short)" was proposed. By defining a new principle, we designed a new classification approach via GEPSVM, namely, maximum or minimum plane distance GEPSVM (MPDGEPSVM). Unlike GEPSVM, our approach obtains two planes by solving two simple eigenvalue problems, such that it can avoid occurrence of singular problems. Our approach, compared with GEPSVM, has better classification performance. Moreover, MPDGEPSVM is over one order of magnitude faster than GEPSVM, and almost two orders of magnitude faster than SVM. Computational results on public datasets from UCI database illustrated the efficiency of MPDGEPSVM.