混凝土斜拉桥施工期的时变可靠度计算

针对斜拉桥施工期的可靠度分析中不存在显式的极限状态函数的问题,提出了一种改进的虚拟中间变量法,在标准正态空间内重构极限状态曲面;在现场调查和室内试验的基础上,分析了混凝土斜拉桥施工期的设计变量的时变规律;结合现有的桥梁施工控制分析程序,提出了混凝土斜拉桥施工期的时变可靠度的计算方法。算例结果表明:改进的虚拟中间变量法具有高效性和精确性,并且可以利用现有的桥梁施工控制计算程序,对于斜拉桥施工期的安全性评价具有重要意义。     

液化及软土场地桥梁桩基础地震破坏机理与抗震设计研究 在技术细节上下功夫

桥梁是重要的生命工程结构,在防震减灾中具有重要地位。2008年汶川大地震使大量桥梁损毁,甚至直接导致交通中断,给抗震救灾带来了非常大的困难。专家们在总结国内外震害经验后发现,"场地条件是影响桥梁镇海的主要因素,其中因场地液化及侧向扩展导致桩基础乃至整个结构破坏的占相当大的比重。"     

基于CPT判别土类及状态在地基检测中的应用

针对多哈新港项目中的地基验收标准（即经地基处理后,砂性土须达到中密-密实,黏性土须达到硬塑-坚 硬）,提出采用CPT作为地基检测方法。首先通过CPT的端阻、摩阻比确定地层土类,划分成砂性土及黏性土两大类,然 后分别提出两类土的CPT验收曲线：对于砂性土,通过相对密度与CPT端阻的关系,推导得到砂性土达到中密-密实状态时 对应的CPT验收标准;对于黏性土,通过不排水抗剪强度与CPT端阻的关系,推导得到黏性土达到硬塑-坚硬状态时对应的 CPT验收标准。采用该地基验收方法简便快捷,值得在大面积的地基处理检测中推广应用。     

Bayes与Fisher判别在边坡稳定性中的应用

基于Bayes判别和Fisher判别分析理论并结合工程实际,选用边坡岩土体的重度、黏聚力、边坡角、边坡高度及孔压比5个指标作为边坡稳定性预测的判别因子,建立边坡稳定性预测的Bayes判别和Fisher判别分析模型;以28组边坡已知数据作为学习样本进行训练,建立Bayes和Fisher判别函数及对误判率进行了估计以检验模型的优良性,并选用7个工程实例对所建立的模型进一步进行考察,结果全部预测正确。     

实验尺度水下滑翔机的机翼设计与水动力分析

为获取优化的实验尺度水下滑翔机水平机翼外形,基于CFD方法建立了滑翔机仿真模型。分析了平板机翼各参数间的关系,结合滑翔机特性,将机翼的表征量简化为安装位置、后掠角、展长、展弦比和根梢比等5个设计参数。通过对比分析各参数对升阻比的影响,提出了一种适用于实验尺度滑翔机的高升阻比水平机翼。仿真研究了设计的机翼对滑翔机运动的影响,结果表明,滑翔机各状态变量快速收敛,保证了滑翔机在水池环境中的稳态滑翔时间。     

浅海海域饱和砂土地震液化方法分析探讨

针对浅海海域饱和砂土采用标准贯入试验法和抗液化剪应力法进行液化判别分析,对海底浅表层砂土液化判别时,发现对于设计地震第一组、7度和8度条件下,采用《建筑抗震设计规范》（GB50011）2001版推荐的原判别公式比2010版推荐的新公式液化判别结果安全度要高,当工程场地浅表层有砂土分布时,建议采用原判别公式进行液化判别更偏于安全。抗液化剪应力法对海域砂土的液化判别成功率较高,有着较好的适宜性,是值得推广应用的液化判别方法。     

模糊控制在智能竞赛车中的应用

当今,新科技革命的＂宠儿＂——电子计算机,已进入社会各个领域,走进千家万户,宣告人类进入电脑时代。然而,巧夺天工的电脑毕竟不如人脑,它没有创造性,只有依据人编的程序才能工作。人脑的得天独厚之处,还在于它既能处理量化的精确信息,又能处理界限不清的模糊信息,进行活性的模糊思维。如当我们判断远处的人是谁时,只要把此人的体形、动作等,与储存在大脑里的样本进行比较,就不难得出正确的结论。但如果让电脑来做,就得测出这人的身高、体重、动作的速度、频率等一系列精确的数据,非但不胜其繁,还往往适得其反。只要输入的数据有细微的变化,就会张冠李戴弄出天大笑话来。模糊技术是以模糊数学为理论基础的一门新兴技术。目前它已广泛应用于工农业生产、工程技术、信息、医疗、气象、铁路交通等领域。     

液压控制技术在大源渡船闸的应用

介绍了大源渡航电枢纽船闸液压系统的组成,阐述了其主要技术特点.     

预防因润滑油使用不当而引起的汽车故障

汽车润滑油在维修保养时使用的频率非常高,优质润滑油除了能保护发动机、减少换油的次数外,还能节省汽油开销。为了减少因润滑油使用不当引起的汽车故障,首先大家要学会判断润滑油失效原因及判别方法。     

基于机器学习的路面病害成因判别方法研究

为了构建路面病害成因的自动判别方法,以重庆市内环快速路为工程实例,分析了不同路段类型的沥青路面病害的典型特征,基于不同类型损害的关联特性确定了数据降维分析的可行性,并采用主成分分析法对路面的众多状态信息数据进行降维处理,且通过随机森林算法实现了路面病害的自动成因分析。结果显示,通过机器学习模型训练得到的成因结论与实际现场调查结论基本一致,可认为基于机器学习的智能判别方法对路面病害的成因分析具有一定的可靠性,可为后续智能养护决策系统的开发提供自动化的判别方法。