基于FLUENT的隧道衬砌模型温度场分布规律研究

摘要：以江西省昌奉（南昌一奉新）高速公路A3标梅岭隧道项目制作的3组小尺寸隧道衬砌模型为模拟对象,利用FLUENT2D软件,在HC标准火灾曲线条件下对3组小尺寸隧道村砌模型进行温度场分布规律数值模拟,研究衬砌不同位置温度分布规律,并与小尺寸隧道衬砌模型现场温度场分布试验数据进行对比,验证了FLUENT2D软件模拟火灾条件下隧道村砌内部温度分布规律的适用性。     

考虑驾驶员反应时间和注意力的噪声品质主观评价EI北大核心CSCD

使用人工头声学传感器采集了某国产汽车车内噪声的32个样本,计算了它们的心理声学参数,结合视觉-手指动作反应时间测试和以噪声对于注意力的干扰程度为尺度进行车内噪声品质主观评价。相关分析表明,噪声品质与双耳响度的相关程度最高。多元线性回归分析可较好地拟合噪声品质。以双耳响度为控制变量进行反应时间测试发现,当响度有较大幅度的突然变化时,测试者不易适应,反应时间增加;而响度变化较小或逐渐变化时,测试者容易适应,反应时间缩短或没有明显变化。     

拱辅梁桥拱肋合理矢跨比的确定

拱肋矢跨比对拱辅梁桥的力学特性影响大,为寻求其合理范围,以梁拱相同刚度比而不同矢跨比为条件,从自振模态和多遇及罕遇地震作用下结构动力响应角度,结合工程实例,运用时程分析法及多自由度体系简化的滞回曲线,研究矢跨比变化对全桥变位及内力影响的规律,并提出相应的合理设计范围.研究表明,拱肋矢跨比主要影响横桥向、竖向位移及内力,且矢跨比为1/5时桥梁抗震性能最优;对于多自由度体系变位组合中的主要成分得出的简化滞回曲线,由其定性分析得出的结论能与一般时程分析得出的结论一致.     

浅议精益六西格玛流程优化在集装箱码头的应用

<正>一、精益六西格玛发展概述精益六西格玛管理概念是精益管理理论和六西格玛管理理论的结合。精益管理理论起源于20世纪50年代丰田汽车公司的"丰田生产方式"。精益生产主要研究时     

融冰雪蓄盐材料制备及性能研究

针对融冰雪蓄盐材料盐分释放速度快、使用年限短等问题,以多孔火山灰为载体,将NaCl与火山灰经850℃高温煅烧2 h后,用不同改性剂对其进行憎水处理,再加入到菱镁水泥中,通过搅拌、养护、破碎、球磨等工艺制备新型融冰雪蓄盐材料,以替代或部分替代沥青混合料中的矿粉。对制备的蓄盐材料进行物理性能测试、电导率测试,并对沥青混合料进行性能试验分析。结果表明,NaCl-火山灰复合材料经改性剂处理后,盐分释放速度明显降低,且采用硅烷偶联剂KH-570改性效果最好;采用KH-570改性的蓄盐材料替代矿粉后,沥青混合料的浸水马歇尔残留稳定度随掺量增加而增加,高温和低温性能也有所提升,且替代矿粉质量比例取60%较适宜。     

机器学习在隧道岩爆微震监测预警中的应用

深部隧道岩爆是地下工程建设中的安全隐患，准确预警岩爆能够保障工程人员的生命财产安全。机器学习等智能技术的出现为岩爆预警带来了新的思路和方法，提高了预警的准确性、及时性和智能化水平。对机器学习在深部隧道岩爆微震监测预警中的应用现状开展了系统研究。首先，对岩爆微震监测评估预警中的机器学习算法进行总结，分析了现有各类机器学习算法的特征优势，然后，对微震监测岩爆预警指标体系进行了归纳，进一步，分析了基于不同机器学习的岩爆微震监测预警应用效果。结果表明神经网络（NN）是岩爆预警算法中的热门方法，微震事件数（N）、微震能量（E）、视体积（V）及其变体是使用频次最高的岩爆预警指标，大部分岩爆预警指标个数主要在3～7个之间。岩爆等级是岩爆预警的研究热点，大部分机器学习方法的预警准确率基本能达到80%及以上，表明机器学习方法具有较好的应用效果与发展前景。最后，对发展方向进行了展望，更先进的机器学习算法、预警指标体系的有效性与全面性、样本的丰富性、岩爆发生时间预警、数据处理能力等需要进一步深入研究。     

基于神经网络算法的DMI设备目标识别与状态检测

针对现场对检修作业图像资料自动化审计的需求,以DMI设备状态检测为例,在AMIS智能检修作业系统基础上,设计了DMI设备目标识别与状态检测子系统,包含DMI设备目标识别模块和RBC连接状态检测模块。其中,DMI设备目标识别模块采用Fatster RCNN深度神经网络,利用AMIS智能检修作业系统采集的大量列控车载设备检修图像作为训练测试数据集,将DMI设备图像从背景图像中提取出来;RBC连接状态检测模块采用深度神经网络对DMI上显示的RBC连接状态进行检测。该系统可以实时、准确、自动分析DMI设备状态,为全面分析列控车载设备日常检修作业图像打下基础。