神经网络模型在桥梁施工状况评估中的应用

对于分段悬浇施工的大跨度预应力混凝土桥梁结构, 开展预应力钢束张拉状况评估与分析是保证施工质量的重要控制手段.结合某桥的施工控制,介绍了人工神经网络方法,并建立了13个输入参数的神经网络评估模型,通过敏感度分析修正模型参数,并运用区间分析法对含随机误差和少样本情况下的张拉判定结果进行离差分析和预应力张拉状况的评估与判定.     

发动机液压挺柱的氩弧焊接组装

针对某小型高速发动机,设计了一种液压挺柱。通过试验对各种组装方法加以分析、比较,最终确定采用氩弧焊接进行组装。试验结果显示液压挺柱工作可靠,说明采用氩弧焊接是可行的。     

绿色多式联运随机优化策略

针对速度服从随机分布时绿色多式联运路径特点,探索路径优化策略问题,使用随机优化方法,建立绿色多式联运随机路径优化模型,设计了一种将样本平均近似法和基于优先权的粒子群算法相结合的混合算法求解该模型.结合多式联运实际情况设计数值算例验证模型的有效性,对模型中速度的正态分布与均匀分布和碳排放因子进行较为完整的情景分析,结合实际情况得出当样本规模为600,速度服从均匀分布时,情景3-2运输成本为501.11、碳排放成本为649.07是稳定性较高的理想决策,碳排放因子增为0.8有利于成本的降低.实验结果表明,本文建立的随机优化模型能够较好解决速度服从随机分布时多式联运路径优化问题,为实际多式联运运营提供决策支持.     

满足可制造性、可测性和可维修性表面组装设计

本文针对表面组装件开发出的一些满足可制造性、可测性和可维修性的设计规则进行了详细阐述,以使生产出的表面组装件质量好,投放市场快,劳动力投入少,成本低,重复设计次数少,解决问题时间短,失败率达到最小.     

采用小样本统计理论的隧道围岩分类

隧道围岩级别判断存在较多的不确定影响因素,特别是各影响因素的参数信息和样本资料有限,给判断工作造成了很大的困难。利用专为小样本统计分析而提出的支持向量机方法,在分析围岩级别划分的基础上,选取隧道围岩级别划分需要考虑的9个关键因素,将这9个因素作为输入参数,同时将围岩划分为5个等级作为输出参数,建立了围岩级别判断的小样本统计模型。利用该模型对二郎山隧道的围岩级别进行测试,并与ART1神经网络和BP神经网络的结果进行对比,表明将基于小样本统计的支持向量机理论用于围岩级别判断是可行的,并且具有很好的精度。     

公路隧道施工阶段围岩指标定性描述的量化分级方法研究

施工阶段围岩分级目前仍普遍采用定性的判定方法。文章通过六武高速公路安徽段隧道施工围岩分级的研究,提出了公路隧道施工阶段围岩指标定性描述的量化分级方法,提高了施工阶段围岩分级的可靠性,消除人为因素、主观因素影响所产生的误判,具有广泛的推广和借鉴价值。     

锦屏电站引水隧洞12.43m大直径TBM组装洞室设计与施工

据地质条件和TBM的形式、安装方式及采用的吊装设备, 以及刀盘直径、TBM组件尺寸等因素, 在充分考虑扩大洞室的功能特性、施工方法、衬砌结构等的组装、始发需要, 并考虑TBM主机大件的摆放、部件转运所需的卸车区域等设计洞室的断面、长度、支护形式、衬砌结构、桥吊运行基础等,就施工过程提出有力的措施,以保证施工质量、安全与速度。上述设计方案与施工措施,为确保大直径TBM洞内顺利组装奠定了基础。     

输电隧道价值工程运用与潜盾施工关键技术

运用价值工程手法评估2变电所间输电线路计画采双孔推管或单孔潜盾隧道施工法时,分别对:隧道内电缆接续需求与施工环境冲击影响、电缆通风冷却散热、电缆延放方便性、电缆分阶段扩充方便性、隧道施工难易性、隧道施工对邻近建物影响、工期、成本等因子进行研讨。计画综合评估采单孔潜盾隧道施工,运用增大螺栓尺寸以缩小环片螺栓间距对策提升环片组立精度进行急曲线隧道施工以避开民房,另隧道路线位于地下水位下之紧密卵砾石层地盘并遇巨石,中途更改潜盾机盘面克服紧密砾石障碍挑战。     

“一洞双机”TBM组装洞结构形式优化分析与探讨

北疆供水2期工程某标段采用“一洞双机”的TBM施工组织模式,即2台TBM的组装及掘进施工均通过同一个组装洞进行,这对组装洞的结构形式提出了新的要求。为便于TBM组装及快速掘进施工,采用工程类比与数值计算相结合的方法,首先,从2台TBM同时组装与快速掘进施工等需求出发,分析原组装洞设计形式的缺陷; 然后,提出优化方案,并对结构变化较大的部位（主支洞交叉口处）进行结构受力验算,确保结构稳定。按照优化方案修建的TBM组装洞完成了2台设备的同时组装任务,并在后期掘进施工中初步达到了连续、快速掘进的目标,缩短了工期。