响应面分析法在隧道相似材料试验中的应用

基于数理统计响应面分析法中的二次回归通用旋转法,将粘聚力与内摩擦角作为铁路隧道软弱围岩的研究指标:以重晶石、石英砂和凡士林等混合物作为铁路隧道软弱围岩的相似材料,通过应力控制式三轴试验仪进行常规三轴试验;利用非线性同归分析的方法对实验结果进行分析,分别得出相似材料配比与围岩粘聚力及内摩擦角的变化规律.综合考虑粘聚力与内摩擦角两个指标之后,最终得出与模型试验所需围岩条件相匹配的相似材料的重晶石、石英砂与凡士林的最佳配比为9.25:4.56:0.67.     

基于转子结构优化的永磁同步电机噪声研究

以某型号车载永磁同步电机(PMSM)为研究对象,首先分析径向电磁力波的产生机理,建立电机电磁仿真模型得到径向电磁力的时空分布特性以及特定阶次的径向电磁力波幅值,然后以0阶径向电磁力波幅值的48倍频分量为优化目标,从转子结构优化的角度提出一种转子外表面开设辅助槽的方法,利用响应曲面法得到辅助槽参数对优化目标的影响程度,从...     

反应位移法在地铁车站抗震计算中的应用探讨

针对我国目前地铁车站抗震计算的现状,介绍反应位移法在地铁车站抗震计算中的基本原理。结合常州地铁1号线定安路站工程实例,通过利用EERA软件对地层位移及剪应力的计算,考虑地层与车站结构间的相互作用,提供一种与实际更为接近的计算方法,减少计算过程中参数间的相互转化,便于工程实际应用。计算结果表明,车站层间位移能满足规范限值的要求,结构受力合理,结构尺寸满足要求,计算结果可靠。     

高烈度震区铅芯橡胶支座隔震桥梁抗震性能分析

高烈度震区桥梁在地震作用下的结构响应较为复杂,传统的抗震设计很难实现桥梁的抗震性能目标。通过对1座位于9度震区的桥梁进行E1地震作用下的多振型反应谱分析以及E2地震作用下的非线性时程分析,计算结果表明,在E1和E2地震作用下采用铅芯橡胶支座隔震桥梁的地震响应较未隔震桥梁均有大幅减小。因此,对于位于高烈度震区的桥梁可通过合理的减隔震设计使结构地震响应大幅减小,从而可提高结构的抗震安全性,实现桥梁抗震性能目标。     

基于智能车载终端的公交事件应急响应系统设计

提出公交事件管理的含义、目的和目标,介绍了车载智能终端以及公交事件的检测方法。针对公交运行中出现的交通事故,车辆故障,道路交通拥堵,客流突变等紧急事件,提出了相应的应急方案。从而保证公交车辆的正常运行,使公交车辆运行达到安全、迅速、经济、舒适的目的。     

汽车紧急制动响应的分析

汽车紧急制动时,制动力矩、制动减速度、车速、车体俯倾角及其角加速度与时间呈非线性关系。本文对BJ212轻型越野汽车满载紧急制动进行了试验,以试验结果为依据,讨论了汽车紧急制动时诸参数之间的关系。其结论是:在瞬变过程中,制动减速度及车体俯倾角加速度与其制动初速度无关;在平稳过程中,制动减速度及车体俯倾角加速度随制动初速度增大而减小,而且大致成线性关系。     

解析铁道行业标准《铁路车机联控作业》

车机联控是车务、机务等行车有关人员提示行车安全信息、确认行车要求的互控方式.为满足现场作业实际需求,制定TB/T 30003—2020《铁路车机联控作业》.介绍标准制定背景、制定原则、主要技术内容,以便标准使用者更好地理解和实施TB/T 30003—2020.     

大跨径连续刚构桥的随机地震动响应分析

以苏通长江大桥辅航道桥为工程背景,考虑结构自重引起几何非线性以及桩土相互影响,建立该桥的地震分析模型,分析行波效应、部分相干效应和局部场地效应对结构地震响应的影响规律。结果表明:行波效应总体上削弱结构的位移响应,对内力响应的影响较大,在相位差为1s的情况下,面内弯矩响应的增幅达到25%;局部场地效应对内力及位移响应的影响均较大;相干效应削弱桥梁主墩的弯矩响应。     

基于紧邻隧道变形深基坑支护方案优化

以典型工程为依托,借助有限元软件,开展基坑施工过程模拟,对基坑开挖过程支护结构与周边环境进行响应评价,以此为基础优化基坑支护方案,并通过现场实测验证。研究表明:采用原有支护方案基坑开挖对既有地铁结构产生明显的影响,存在安全隐患,有必要进行优化;基于计算结果作支护方案调整后,车站与隧道最大位移较原有方案减小29%和27%;紧邻地铁侧采用灌注桩围护引起的位移小于连续墙,究其原因是连续墙成槽影响产生可观的变形;同时采用灌注桩围护能显著降低工程造价,实际工程设计施工应引起重视。与实测结果对比表明,实例基坑采用的计算模型具备合理性。     

Wave spectrum estimation conditioned on machine learning-based output using the wave buoy analogy

In this work, a hybrid approach for wave spectrum estimation is proposed. Fundamentally, the approach is based on the wave buoy analogy, processing ship response measurements, via a framework combining machine learning and a physics-based method dependent on available transfer functions. Specifically, a non-parametric (Bayesian) estimate is obtained of the directional wave spectrum conditioned on integral wave parameters established by a convolutional neural network. The developed method is assessed in a case study considering about two years of data obtained from an in-service container ship. The method produces good results, significantly improved when compared to the initial estimate made without constraints.