超大断面暗挖隧道双侧壁导坑法施工沉降预测及控制

地铁工程暗挖大断面隧道分多导洞施工时,群洞效应对沉降控制影响较大,为将地表及拱顶沉降量控制在监测预警值及控制值以内,需将监测预警值及控制值分解至每个导洞,来分别控制每个导洞开挖引起的地表及拱顶沉降。针对本工程双侧壁导坑法施工大断面6导洞施工顺序,根据经典的Peck公式将地表及拱顶监测预警值14 mm及控制值20 mm分配至每个导洞,确定本工程停车线隧道各个导洞沉降控制指标,得出与工程施工同步的各导洞监测控制值,绘制了导洞施工时其横向及纵向影响曲线,并在施工中采取一定的措施抑制大断面隧道最终的沉降。     

桑塔纳轿车转向系的结构与维修（三）

(四)转向油泵的更换转油泵的分解如图18所示,拆卸和安装转向油泵时均可参照此图进行。1、转向油泵的拆卸(l)吊起车辆。(2)拆卸油泵上回油软管的高压软管的泄放螺栓(如图19所示),排放ATF润滑油。(3)拆卸转向油泵前支架上的张紧螺栓,如图20所示。(4)拆卸转向油泵后支架上的固定螺     

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航（INS/GNSS）系统存在的定位偏差问题，提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先，针对训练数据中噪声较大的惯导数据，提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数，提出一种确定混合模态函数阶数上下界的方法，并采用离散小波变换硬阈值法对混合模态函数进行滤波处理，最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后，采用改进的堆叠式长短期记忆网络离线训练位置预测模型，利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测，提出一种局部数据降噪方法，该方法利用一定长度时间窗口的历史数据，通过线性最小二乘给出当下时刻数据的预估值，并与实际量测值进行滑动平均滤波，优化位置预测的结果。在封闭场地模拟隧道环境下，对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较，经度和纬度的归一化均方误差分别下降了13.34%和9.38%，经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%；在复杂城市交通环境下，检验提出的方法，经度和纬度的归一化均方误差分别下降了6.51%和5.66%，经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明，在弱GNSS信号环境下，提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。     

莫森数素性判别的PC机程序

给出了一种用ＰＣ微机搜索与判别大Ｍｅｒｓｅｎｎｅ素数的汇编程序。试验说明该程序的运行结果正确可靠，运算速度较高，是将ＰＣ微机应用于计算数论领域的一次有意义的尝试。     

中印(尼)规范的强震区高桩码头地震反应谱差异

针对中国与印尼抗震设计规范的差异,将设计地震、场地类别、设计加速度反应谱等参数进行对比。结果表明,强震区印尼规范加速度反应谱曲线水平段比中国规范的长,加速度反应谱曲线峰值比中国规范最大抗震设防烈度对应的峰值大。基于某高桩码头工程,利用ANSYS软件,采用振型分解反应谱法,分析同一场地土采用不同规范的地震效应的差异,为类似的抗震设计提供参考。     

基于SEIR传染病模型的应急救援物流调度优化

传染病威胁着人类健康,传染病患者若得不到及时救治,会造成传染区域灾情泛滥.因此,在传染病流行之后,最迫切的是要掌握灾区对药物的需求量,进而针对传染病患者的需求进行应急救援物流调度优化.文中针对传染病应急救援具有时效性的特点,利用易感者、潜伏者、感染者及痊愈者(susceptible-exposed-infected-recovered,SEIR)数学模型描述整个应急救援阶段受感染群体的需求;构建基于传染病流行规律的应急救援物流调度多阶段混合整数规划模型,对救援车辆路径选择和药物资源调配进行优化;提出有效的Benders分解算法对模型进行求解;通过算例计算,证明了算法和模型的有效性,为应急救援决策者提供了科学决策依据,具有重要的理论意义和应用价值.     

基于模块化的小型喷水推进装置设计研究

针对艇用小型喷水推进装置,采用模块化产品的设计思路,从需求分析入手,初步形成满足设计要求的喷水推进模块总体方案。基于功能分解,将喷水推进模块划分为多个子功能模块,依据模块单元的功能属性和输入/输出开展结构与接口的详细设计,并注重模块的独立性和通用性设计。最后根据建立的评价体系,对功能、模块化和标准化等指标进行评价。基于本文思路设计的喷水推进装置应用于13 m工作艇并取得了良好的实船试航效果。装置的模块化程度高、安装维护便捷,对小型喷水推进装置的模块化设计有一定借鉴意义。     

基于自适应奇异值标准谱和EMD的柴油机故障诊断

针对柴油机多发故障,提出了自适应奇异值标准谱和经验模态分解(Empirical Mode Decomposition,EMD)相结合的故障诊断模型。通过计算平均最近邻域发散度和奇异值标准谱的方法自适应地选择奇异值分解的嵌入维数和重构阶数,提高了奇异值分解降噪的精度。对降噪后的信号进行EMD分解,并利用调整余弦相似度标准提取反映信号真实特征的主固有模态函数(Intrinsic Mode Function,IMF),进而提取故障特征参数。将此模型应用于F3L912柴油机进气门漏气、单缸失火和多缸失火等故障的诊断,通过提取峭度和过零率作为故障特征,获得了较高的故障分类准确率。     

基于EMD-BPN方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步:首先,使用经验模态分解方法将客流时间序列分解;其次,将IMFs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。