高压旋喷桩在桥梁沉井围堰下沉中的应用

通过某特大桥深基础中沉井围堰的施工,介绍了钢筋混凝土沉井围堰在特殊地质条件下下沉困难时,所采取的的各种下沉工艺和助沉方法,总结了这些方法在实际运用时的局限性,提出了利用高压旋喷桩与沉井组合、解决沉井下沉不到位难题,以及采用高压旋喷水和空气松动土层助沉的新思路,对类似深基础的施工有一定参考作用。     

三轴船舶电动摇摆模拟试验台研究

针对船舶摇摆模拟试验台系统在科学研究和船载仪器可靠性试验中的应用,设计了一种多功能三轴船舶电动摇摆试验台随动控制系统。首先对摇摆试验台进行控制建模,确定电流、速度、位置三闭环控制方案,然后采用常规PID算法设计三环控制器参数,对位置环用模糊自适应PID控制器进行优化设计。提出以变周期、变幅度和组合曲线给定的摇摆方法模拟风、浪、流干扰,对系统进行仿真研究。仿真试验结果表明,设计的系统具有响应迅速、模拟准确、可靠等特点,能够较好的模拟实际海况中船舶摇摆运动,为搭建实际试验平台奠定了基础。     

《船舶》投稿须知

<正>为将本刊办得更好,我们特向社会征集优秀稿件。稿件内容可涉及:船艇市场预测及技术发展趋势、船舶总体研究与设计、船舶结构与振动、船舶动力装置、船舶电气与通信、船舶舾装/特种装置、计算机技术与应用等。来稿需兼具科学性、先进性、创新性与可读性,具体要求如下:文题应简明确切,尽量不用副标题,20个字以内为宜。标题中不使用非公认的缩略语、字符等。     

长江下游福南水道港航功能调整及涉港水域平面布置

福姜沙河段是长江下游唯一的两级分汊、三汊(福南、福中和福北)并存且通航的河段,目前右汊即福南水道为主航道所在,且其右岸也是中国最大内河港苏州港张家港港区的主要作业区所在。根据长江南京以下河段12.5 m深水航道建设方案以及福南水道上口、转弯段水深不足或通航水域宽度不足的情况,结合福南水道内的港口岸线利用及泊位分布现状及其规划,本文分区段论证实际将成为专用进港航道的福南水道的航道等级及航道尺度,并对水道内港作业水域重新进行了平面布置。最后,采用数学模型对调整后的水域布置进行回淤研究,并提出初步的减淤措施。     

动力定位系统舵桨组合推力分配研究

针对船舶动力定位系统推力分配中舵桨组合的推力建模及优化分配问题,将舵桨组合的非凸推力区域转化成4个凸区域,采用切换控制理论把非线性最优化问题转换为线性最优化问题。将舵、桨组合起来进行推力建模,以最小推力、舵角变化和推力误差为优化目标,对推进器的推力变化率、舵角变化率、推力误差范围和推力大小作了约束,采用多边形的方法把推力范围约束转化为线性不等式约束,基于总功率与总推力误差在不同推力区域设计了切换逻辑,实现了在不同的推力分配器中的切换。实船试验结果表明舵桨组合推力模型及推力分配策略是切实可行的,满足了推力分配的要求,在配备舵的动力定位船上具有良好的应用前景。     

卫星罗经组成原理探讨

介绍卫星罗经的基本概念,分析卫星罗经的组成原理及设计思路,说明了卫星罗经的系统结构和主要技术及其算法,给出了卫星罗经实现方法和主要技术参数.     

山钢莱芜分公司专用铁路编组站改造方案研究

专用铁路编组站改造是山东钢铁股份有限公司莱芜分公司新旧动能转换项目的控制工程之一,对于铁路运输组织、站场设施管理工作的提升具有重要意义.在阐述既有莱钢编组站站场设施和运输组织现状的基础上,结合钢铁新旧动能转换工程规划,分析莱钢编组站目前存在的无贯通正线、到发线有效长不足、卸车线有效长不足、站坪坡度超限等问题,提出莱钢编...     

基于小波变换的轨道电路移频信号奇异性检测

针对当前移频自动闭塞系统采用时域分析方法处理轨道电路移频信号显示出准确率不高等问题,引入小波变换的Mallat算法,借助Matlab,通过对实际信号的数字处理,得到用coif5小波基6层分解和相应阈值可以有效地分析和判断轨道移频信号的结论。     

印度与中国桥梁抗震设计规范对比

为研究印度桥梁抗震设计规范,为后续工程项目提供参考,对该规范进行了介绍,对设防标准、场地类别、地震动峰值加速度和反应谱计算的规定与中国规范进行对比分析,并依据实例对中印两国的设计反应谱进行计算。对比后发现,印度桥梁抗震设计规范在设防标准上要求较中国规范偏低,荷载组合、场地类别、地震动峰值加速度重现期、设计反应谱特征周期等存在不明确的地方。印度规范水平弹性反应谱普遍接近中国规范E1反应谱,明显小于E2反应谱。     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。