软土真空预压法加固效果分析

本文以缅甸某真空预压工程为依托,研究了真空预压等地基处理方法对缅甸软黏土层的加固效果。在真空预压前后,分别对各个钻孔的土样进行室内土工试验以及现场的标准贯入试验,再进行对比分析,研究真空预压法的加固深度和效果。得出以下结论:真空预压对缅甸软黏土有较强的加固效果,含水率、孔隙比、压缩系数变小,内聚力、内摩擦角、压缩模量、标贯击数变大,加固深度最大可达到地表以下19 m左右;而在加固深度范围内,其加固的效果随着深度的增大而不断衰减;真空预压对软黏土层加固,其含水率与孔隙比降低了10%~15%左右,压缩模量提高了15%~40%左右,标贯击数提高了50%~60%左右;另外,软黏土层中的淤泥质黏土层经过加固后定名变化为黏土,效果明显。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.     

基于注意力机制的CNN-LSTM剩余寿命预测研究

机械设备剩余寿命的准确预测可以降低昂贵的维护费用,提高机械设备的安全性。随着深度学习的发展以及注意力机制被广泛应用于各个领域,基于数据驱动的剩余寿命预测方法为机械设备寿命预测提供了众多的方法。文章提出了一种基于注意力机制的CNN-LSTM剩余寿命预测方法,该方法利用不同的注意力机制包括通道注意力、CBAM机制和自注意力等进行剩余寿命预测试验。注意力机制可以向CNN-LSTM提取的特征信息分配不同的权重,突出关键的特征信息,过滤无用信息,进而更准确地表示设备的退化特征信息,最终得到设备的剩余寿命。文章对NASA发动机数据集进行了剩余寿命预测试验,同时研究了不同注意力机制影响,试验结果表明,基于注意力机制的方法可以有效地进行剩余寿命预测,所提方法具有一定的应用价值。     

基于能量法的跟管钻进最大深度计算及应用

为解决潜孔锤跟管钻进最大深度难以确定的问题,基于能量法分析冲击功与应变能的转换情况,提出跟管钻进最大深度的假设条件和理论计算方法,并结合现有相关技术规范,通过类比法对跟管钻进的地层侧阻力取值进行完善和补充,然后应用相关实例分析和验证。通过研究和验证取得成果如下： 1）采用材料力学能量法理论,提出较系统、全面的跟管钻进最大深度计算方法; 2）给出单一地层最大深度的计算公式和多个地层的计算步骤; 3）提出套管与地层间动摩阻的取值依据和方法; 4）提出中和点概念,得出双冲击器作用下套管柱受到的应变能作用原理; 5）增大冲击功和增加套管壁厚均有利于提高跟管的最大深度,但影响幅度较小。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

汽油发动机深度热冲击试验研究

发动机深度热冲击试验目的是为了验证发动机在低温环境中处在反复热冲击工况下的耐久特性.由于是一个基本由加速工况构成的试验,它并不是为了完全复制实际的客户车辆使用情况,而是旨在模拟产生在整车有效使用生命周期中的近似损伤状况.以涡轮增压汽油发动机为例介绍试验目的、仪器和设备、试验工况步骤、周期检查及间隔保养、试验后的零部件评...     

能速能达 夫复何求 上汽大众新速派深度体验

享受速度,感受通达,有这样一款车,可以让你在城市生活中完美施展,在宜商宜居中自由切换——这就是新速派,随时唤醒千钧之力,智能守护安全无忧。引领时代节奏,能速能达。     

混凝气浮工艺在高标准、短工期背景下的应用

苏州某污水处理厂现状规模4万m3/d,出水执行《城镇污水处理厂污染物排放标准》(GB 18918-2002)一级A标准.随着苏州地区三年行动计划的实施,要求辖区内污水处理厂自2021年1月1日起出水标准按照苏州特别排放限制执行.工程难点在于TP的稳定达标(＜0.3 mg/L),且施工工期短、用地紧张.通过比选,...     

基于人工智能前沿技术的交通事件视频检测系统

本文综述了基于视频分析的高速公路事件检测系统的发展历程、传统技术方法存在的问题后,分析了人工智能领域深度学习等新算法与技术在此领域的应用情况,并对未来发展趋势做出展望。