韩国釜山钢桥加工制作施工工艺

釜山钢桥因其规模和强度要求产生了诸如样条曲线结构、梁段制作工艺质量控制、现场组装精度等难题。通过胎架控制变形,以及拟合样条曲线数据,控制焊接变形和焊接应力,保证钻孔精度,采用分组钢印编号等施工工艺,成功解决了一系列施工难题,积累了非标钢桥施工的宝贵经验。     

未来桥面板的构造：推荐标准化预组装钢筋网

“安大略的工程师们,在大多数桥面板的配筋设计中,采用一种简单的方法,即在每个面的纵横方向均配筋0.3%。相反,英国的工程师们则进行弹性分析,然后再验算抗弯强度、裂缝宽度,有时尚验算弹性应力。在经过这些表面看来很严格的计算后,他们所提出的设计往往不经济,主筋面积通常为所需主筋面积的4倍。”     

大跨度桥梁地震响应分析中的非一致地震激励模型

基于二维相干函数建立了考虑二维相关影响的非一致激励功率谱模型，在此基础上采用随机过程理论推导了幅值、相位角与功率谱的关系，建立了非一致激励时程样本的数值模拟方法，由该法可生成地震响应时程分析所需的加速度时程样本。     

基于样本阵列的沥青路面使用性能预测模型研究

开展路面使用性能预测研究对于公路养护决策具有重要的意义.文章针对江苏省高速公路路面使用性能主要影响因素,构建了样本预测阵列,据此采用双参数模型建立了路面使用性能预测模型,并基于自适应跟踪法对双参数模型进行修正.工程实例表明,预测模型用于江苏省高速公路路面性能预测具有较高的精度.     

基于BP神经网络的横向受荷桩承载力预测

为研究横向受荷桩的承载性状,基于BP神经网络对其承载力进行预测。选取桩径、桩入土深度、荷载的偏心距、土的不排水抗剪强度作为神经网络的输入,得出黏土中横向受荷桩承载力的BP神经网络预测模型,发现训练BP神经网络时,桩承载力的拟合值与实测值的相对误差平均值为4.54%;检验BP神经网络时,桩承载力的预测值与实测值的相对误差平均值为5.39%。结果表明,建立的基于BP神经网络的黏土中横向受荷桩承载力预测模型是可行的。     

基于经验知识的船舶螺旋桨水动力样本扩充方法及其在预报代理模型中的应用

近几年来,越来越多学者致力于采用机器学习进行船舶螺旋桨性能预报,但代理模型的预报效果往往受训练样本的数量和质量影响较大。目前船舶螺旋桨性能数据数量少且质量也不高,即数据对应参数分布较为集中,严重不均匀,这些问题都会影响代理模型预报的准确率与可靠性。为了解决这一实际困难,本文提出一种基于经验知识的样本扩充方法,并以船舶螺旋桨水动力性能的代理模型预报为例进行应用验证。结果表明：本文使用的样本扩充方法可以快速生成数据样本,可以一定程度上改善预报代理模型的可靠性,提升预报精度。     

基于EMD-样本熵的轴流压气机喘振分析

轴流压气机作为燃气轮机安全运行的重要设备装置,它的稳定性直接影响燃气轮机的输出效率。因此如何快速准确判断并及时规避轴流压气机的喘振工况是燃气轮机优化设计的重点。本文提出一种基于轴流压气机已有传感器处理提取特征值后对喘振工况进行判断的新方法。首先对压气机的一维传感信号进行EMD分解升维后进行数据降维至数据本质维数上,再利用样本熵处理后提取特征信号从而对喘振工况进行判定。基于三级轴流压气机喘振进行喘振的诱导试验,实现压气机的喘振工况并且利用EMD-样本熵的方法对压气机的级间压力、出口压力进行分析对比。试验结果表明,此方法提取的特征值可以有效区分出压气机正常与喘振的工况,验证了方法的可行性,为轴流轴流机的故障预测提供基础。     

超大直径盾构机的组装技术

在盾构工程施工中,盾构机的组装技术是盾构施工的基本条件和保障,对隧道工程建设的进度和质量起着决定性的作用。作为超大直径的盾构机,在其组装时有异于其他盾构工程,具有一定的特殊性,是南京长江隧道施工中的重点和难点。主要结合南京长江隧道盾构机组装的经验,介绍了经过优化改进的盾构组装的技术及相关经验。     

中国铁路货车制造技术

近十年来,为满足国民经济快速增长对铁路运输装备的需求,中国铁路货车制造系统以“装备保工艺、工艺保质量、质量保安全”为指导思想,推进工艺技术创新,在大部件整体芯制造、货车新材料焊接、制动系统模块化组装等工艺技术方面取得突破;货车专用生产线、自动化焊机和各种检测现代化设备全面应用;精益制造模式稳步推进。这些工艺技术和技术管理模式创新极大促进了中国铁路货车制造技术水平的全面提升,车辆安全可靠性大幅提高。     

On the Impact of Bootstrap in Stratified Random Sampling

In general the accuracy of mean estimator can be improved by stratified random sampling. In this paper, we provide an idea different from empirical methods that the accuracy can be more improved through bootstrap resampling method under some conditions. The determination of sample size by bootstrap method is also discussed, and a simulation is made to verify the accuracy of the proposed method. The simulation results show that the sample size based on bootstrapping is smaller than that based on central limit theorem.