G3铜陵长江公铁大桥南锚碇锚固系统施工完成北大核心

2022年11月6日,随着最后一根锚杆的密封材料涂装完成,G3铜陵长江公铁大桥南锚碇锚固系统施工顺利完成(见图1),为下阶段主缆牵引架设及张拉奠定了基础。G3铜陵长江公铁大桥是世界首座双层斜拉-悬索协作体系大桥,大体量、一跨过江的设计对大桥主缆锚碇提出了更高要求。南锚碇为全桥主缆2个固定点之一,采用复合板桩嵌岩重力式基础,基础长75m、宽80m、高15m。锚碇内设置的锚固系统由后锚梁和锚杆组成,为主缆与锚碇连接的关键结构,承担着承上接下的作用,是南锚碇施工中的重要节点之一。     

15 MW级大型漂浮式风力机运动特性

为了研究不同湍流模型、湍流度及不同风速作用下漂浮式风力机（FOWT）基础的运动特性，以国际能源署（IEA）公开的15MW级大型半潜式浮式风机为研究对象，采用OPENFAST软件对浮式风机进行全耦合时域仿真模拟，对平台的纵荡、纵摇和垂荡运动特性进行研究分析。研究发现：在正常湍流作用下，风速高于额定条件时，平台在压载水主动调节作用下使得纵荡更加稳定，但伴随着风速增大，其对平台纵摇和艏摇的影响越剧烈；在极端湍流作用下，风速低于额定条件时，风机运行效率低，而在高于额定条件时，艏摇运动幅值增大，纵摇和垂荡运动表现得更加稳定。     

对转桨水动力性能实时预报方法

为了实现对转桨水动力性能实时预报，基于BP神经网络构建对转桨水动力性能预报模型。首先，采用低阶速度势边界元法建立对转桨水动力性能预报模型，通过调整来流速度和前后桨转速开展对转桨水动力性能多工况计算，从而获得构建神经网络所需的样本空间。建立适用于对转桨水动力性能预报的神经网络架构，通过训练使其具备良好的泛化能力。以某组对转桨为研究对象开展水动力性能实时预报方法研究，结果表明，采用BP神经网络预报模型可获得与边界元法精度相当的预报结果，但该模型与边界元法相比计算所耗时间可以忽略不计，可有效实现对转桨水动力性能实时、快速预报。     

基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

离岸栈桥式和满堂式高桩码头结构对比研究

依托黄骅港某散货码头工程,对离岸栈桥式平面布置和满堂式平面布置下的高桩码头结构方案进行对比,以总结出适合黄骅地区特点的合理方案。     

表面选区强化对钢轨波磨处轮轨滚动接触行为的影响

层流等离子体表面强化技术可大幅提高钢轨表面的硬度和耐磨性。为了揭示强化处理对轮轨滚动接触行为的影响,建立同时考虑钢轨表面选区强化和短波波磨的三维轮轨瞬态滚动接触有限元模型,数值计算了车轮高速滚过一个波磨周期的轮轨力、接触斑黏滑分布和残余应力应变。对比发现:表面选区强化对轮轨力和接触斑黏滑分布的影响较小,不影响钢轨承载性能;对钢轨表面残余应力应变分布的影响明显,残余应力主要集中在屈服强度较高的强化斑内而残余应变主要集中在韧性较好的基体材料上,表面选区强化有效结合了强化斑和基体材料的力学性能,形成了一种强韧的良好匹配。结果可为现场生产服务提供一定的理论指导和应用参考。