粘性土地基强夯地面变形的模型试验研究

根据相似原理,设计采用70 cm×70 cm×70 cm（长×宽×高）的模型箱,制备含水率为20 %的粘性土,通过3种不同的锤径以及施加3种不同的能量组合进行夯击试验,试验中观测了夯点的地面变形与夯坑深度,建立了夯坑深度与所取得的土质参数和施工参数间的相关方程,并用工程实例对拟合的方程进行验证。结果显示:该方程可用来推算现场强夯时的夯坑深度,还可推算场地平均夯沉量。     

C20喷射混凝土冻融力学试验

采用喷大板法制做C20喷射混凝土试件,使用压力试验机对经历不同冻融循环次数的试件进行了抗压和抗拉强度测试,分析冻融循环作用下其变化规律,采用共振法和超声波法对经历不同冻融循环次数的喷射混凝土进行动弹性模量测试,分析其抗冻耐久性,并对经历不同冻融循环次数下的试件外观进行了描述。研究结果表明：冻融对喷射混凝土的抗拉和抗压强度影响较大,随着冻融循环次数的增加,抗拉和抗压强度衰减程度增大,相对动弹性模量也逐渐衰减,呈线性降低趋势;C20喷射混凝土的相对耐久性指数非常低,经历50次冻融循环后的耐久性指数为10.1%,与C20普通混凝土相比,其相对耐久性指数更低,抗冻耐久性更差;C20喷射混凝土经历75次冻融循环后出现严重的酥碎剥落情况,不能满足工程抗冻性要求。     

环氧沥青的化学流变特性研究

黏度是影响环氧沥青混凝土施工控制的主要因素之一,利用Brookfield旋转黏度计测试了不同温度下环氧沥青随时间增长的黏度值,得到了各温度下的黏度—时间增长和增长率曲线,并分析了各温度下的黏度—时间增长与增长率之间的变化规律;而后,基于化学流变理论,采用双阿累尼乌斯方程建立了环氧沥青的黏度预估模型,对比研究了预估模型的黏度值与试验值之间的关系。研究结果表明,所提出的环氧沥青黏度预估模型能较好地预估黏度增长,黏度增长率曲线与黏度增长曲线形式类似。     

基于名义应力法的疲劳卡片构建方法研究

基于有限元的疲劳寿命预测可应用于各行业,疲劳寿命预测精度的提高,离不开有效的材料疲劳卡片,疲劳卡片反映了载荷水平与疲劳寿命的关系。通过设计合理的材料试样的疲劳试验,结合试验与有限元计算,计算不同损伤参量创建应用于疲劳寿命分析的材料疲劳卡片,同时对疲劳卡片的仿真精度进行了验证。结果表明,基于名义应力法构建的疲劳卡片具备较高的预测精度,结合材料试验数据与仿真结果构建的多应力比S-N疲劳卡片,可用于其他适用于应力疲劳分析的零部件疲劳寿命分析,为提高零部件疲劳寿命预测精度提供新的技术途径,为零件的前期结构设计提供参考,可在不同领域进行推广并开展进一步分析研究。     

提升轴系扭振分析置信度的建模方法

曲轴的扭振严重影响发动机寿命及NVH性能,目前,工程上普遍采用单一的集总参数法对曲轴进行扭振分析,由于缺少相关的验证过程,所得的仿真结果置信度存疑,只能依赖台架试验结果来证明,费时费力,不利于CAE分析改进.本研究提出一种校核修正方法来建立具有较高置信度的发动机曲轴系统仿真模型进行扭振分析,详细讨论了集中模型中各个自由...     

泡沫金属三维细观有限元建模技术研究

针对泡沫金属复杂随机的内部结构特征,基于计算机断层扫描技术（CT）,开展了泡沫金属的三维细观有限元建模技术研究。对泡沫金属的断层扫描图片进行处理,得到二值图,并提取灰度建立其点云模型,再对点云模型实体化得到细观数值模型。开展了泡沫金属的准静态压缩试验,对细观有限元模型进行了验证。试验与仿真结果吻合良好,表明建立的细观有限元模型可以准确地模拟泡沫金属的力学特性。     

跨繁忙航道超宽钢箱梁梁上运梁及分块安装方案研究

巴拿马四桥为巴拿马国内第一座公轨合建混合梁斜拉桥,桥面宽51m,中跨钢箱梁标准节段长13 m,为典型超宽超重结构.桥位处通航要求高,施工期间不得占用航道,既有道路拥挤.针对这些问题,提出了一种创新的施工方案:边跨混凝土梁段采用挂篮对称悬浇施工,待混凝土梁和结合段施工完成后再架设钢箱梁;钢箱梁采用纵向分段、横向分块,通过...     

汽车VS二轮车十字路口事故场景研究

为研究十字路口发生的汽车与二轮车事故场景,基于NAIS事故数据库中发生在十字路口的汽车与二轮车事故数据开展研究。选择描述十字路口事故关键参数,依据事故发生时环境照明、十字路口信号灯、汽车所在道路车道数、道路限速、汽车种类、汽车速度、汽车运动方式、第一碰撞点、二轮车种类、二轮车运动方式等参数,对事故数据进行聚类分析,得到5类主要危险场景。基于发生频率最大和骑车人死亡风险最高的场景具有危险场景代表性,最终得到2类十字路口汽车与二轮车的典型事故场景。为十字路口汽车与二轮车的冲突消解、避撞策略研究提供参考。     

基于改进GAN的端到端自动驾驶图像生成方法

基于端到端数据系统的自动驾驶系统对驾驶图像存在巨大需求。为解决一般生成式对抗网络模型在扩充驾驶图像数据集时不稳定及生成图像特征缺乏多样性的问题,研究1种改进网络模型LS-InfoGAN。结合最小二乘对抗损失防止模型梯度消失,并缓解生成器优化矛盾,提升模型训练稳定性。通过最大化生成图像与真实图像间的互信息提升生成器特征学习能力,改善生成图像特征多样性。利用转置卷积层还原图像特征,提升生成图像特征清晰度。以自主构建的模拟驾驶场景中获取的带标签驾驶图像集对模型有效性及其数据集扩充应用效果进行验证。实验分析表明：相比改进前模型,LS-InfoGAN模型的图像生成过程稳定性平均提升35%;使用此模型扩充的数据集进行端到端自动驾驶系统中决策网络的训练能在不采集新图像的情况下将系统决策性能提升1%~2%;建议使用此模型扩充图像数据集时将生成图像数量设置为原始训练集图像数量的1~2倍。

     

面向常发拥堵点的主动交通诱导方法

基于动态用户均衡、系统最优分配的诱导方法,侧重路网需求的宏观预测和调节,难以准确辨识道路拥堵点的关联车流,制约了诱导效果。为精准调控致堵车流,有效缓解常发性拥堵,研究基于需求溯源的主动交通诱导方法。遵循靶向诱导的思路,分析车辆行驶轨迹和常发拥堵点的交通流关联性,运用卡尔曼滤波对关联车流进行短时预测,在此基础上,结合流量占比、路径饱和度等指标,对诱导目标车流进行优选。同时,从负荷均衡的角度出发,基于路段与路径交通流的时空关联更新路网交通状态,建立以饱和度均衡为目标的主动诱导优化模型。仿真结果表明：相比反应型诱导与基于路径偏好的主动型诱导,所提方法使常发拥堵点的车均延误、停车次数等下降30%~60%,路网车均延误、停车次数等下降10%~15%,模型收敛速度提高,交通效益提升,验证了该方法的有效性。