新管幕法在地铁车站施工中的安全控制措施

沈阳地铁2号线新乐遗址站是我国第一例采用新管幕法（NTR）的工程。NTR工法采用的顶管作业方法,有不需要降水、地面沉降量小、施工过程不需要管线迁改,施工风险小,工期较短等优点。文章简要介绍NTR工法,并就NTR工法在地铁车站施工中的安全控制措施提出建议。     

基于径向基函数响应面方法的大跨度斜拉桥有限元模型修正

采用ANSYS有限元软件建立某大跨度斜拉桥试验室物理模型的三维有限元模型.基于灵敏度分析,选取模型待修正参数和用于模型修正的特征量.采用实验设计方法生成数样本,通过有限元分析提取对应的特征量信息,进而建立待修正参数与特征量关系的径向基函数响应面模型.通过对响应面模型的拟合误差分析,确定径向基函数的最优形状参数.以斜拉桥自振频率和静态索力构建目标函数.基于建立的响应面模型,采用遗传优化算法进行有限元模型修正.结果表明,采用径向基函数响应面模型拟合斜拉桥设计参数与特征量之间的隐式关系有较高的精度;基于仿真数据的模型修正有较高的精度,基于试验数据的模型修正能得到合理的结果,该方法可有效地修正复杂桥梁结构有限元模型.     

跨座式单轨平移式道岔结构数值仿真分析

根据相关规范给出平移式道岔结构在列车作用下的动力荷载类型及相应计算方法。为减少计算单元的划分数量、提高计算分析效率,提出单元重分法模拟列车移动加载。运用有限元数值仿真方法,对平移式道岔在列车运行过程中的力学行为和结构安全性进行分析。结果表明:列车运行过程中平移式道岔结构在长台车处产生最大应力,其应力比为0.86,梁体挠度小于规范规定的相应限值,说明在列车运行过程中平移式道岔的强度和刚度均能够满足结构安全性要求;长台车上部连接板的边缘处存在较大的集中应力,因此在道岔结构制造和施工过程中,需确保其焊缝连接强度不小于母材强度。     

浅谈CIR的故障处理方法

机车综合无线设备(CIR)已逐步取代通用式机车电台,其维护方法与通用式机车电台有很大区别,为此简单介绍机车综合无线设备(CIR)组成和功能,总结故障处理思路及维护方法。     

地铁盾构隧道下穿既有铁路变形控制研究

盾构隧道下穿既有铁路线路会造成铁路线路沉降变形,影响列车的正常运行。基于此,在某实际工程的基础上,对地基加固、盾构下穿过程中铁路线路沉降情况进行监测分析。结果表明：旋喷桩加固注浆施工对铁路线路影响很小,当旋喷桩加固施工完成后,主加固区施工对铁路线路影响较大;地基加固对盾构下穿时铁路线路变形控制有较好效果,隧道穿越施工期间,路基最大沉降量为36．52mm,轨面最大沉降量为15．88mm,满足规范要求。     

基于蒙特卡洛法的抛锚撞击海管概率分析

针对船舶抛锚撞击海底管道事故频发,撞击概率计算过程较复杂且适用范围有限的问题,对现有方法进行改进,基于蒙特卡洛方法建立抛锚统计试验模型,对某一条件下船舶抛锚对海底管道的撞击概率进行计算,结果表明:对现有方法进行改进或利用蒙特卡洛方法能较好地反映船舶抛锚对海底管道的撞击概率变化特性,可应用于危险区域的抛锚预警和海上禁锚区的设置。     

基于盲孔法的水下承压结构残余应力测试研究

对盲孔法测残余应力中的等轴三角应变花应变释放系数进行有限元标定和塑性修正,得到了塑性修正后的应变释放系数;采用盲孔法对高强度钢水下承压结构典型部位的焊接残余应力进行测量,根据测试得到各测点的释放应变值,结合修正后的应变释放系数计算得到了水下承压结构典型测点的残余应力值。结果表明,水下承压结构焊缝附近纵向残余应力可达0.5倍屈服极限,周向残余应力可达0.4倍屈服极限。     

基于格子Boltzmann方法的船舶风力助推转子绕流特性

风力转子推进装置节能环保,降低推力成本,有利于船舶行业的绿色发展。基于多松弛格子Boltzmann方法,对并列风力助推转子绕流进行数值模拟。首先模拟单圆柱绕流的流动特性,以验证程序的可靠性,重点探究双圆柱的间距比和转速比对圆柱绕流特性的影响。获取圆柱的升阻力系数以及尾流流型,验证临界转速比的存在。结果显示:旋转可以有效地抑制涡的生成和脱落,当转速比达到临界转速比时,漩涡彻底消失,流场变得稳定;时均升力系数的绝对值和时均阻力系数随转速比的增大分别增大和减小。     

独柱墩曲线桥钢盖梁加固方案设计

独柱墩桥梁由于其特有的结构特点和受力特性,存在倾覆风险,即有部分独柱墩桥梁倾覆能力储备不足,需要进行加固设计.结合工程实例,采用了增设钢盖梁和双支座方案,对钢盖梁建立了ASNYS精细化三维模型,通过优化设计,确定了合理的钢构件空间布置间距,各钢构件强度满足规范验算要求;同时,采用抱箍和锚固的方式,将钢盖梁连接于独柱墩,并对锚栓布设进行了优化设计,对锚栓钢材和墩柱混凝土承载能力进行了验算.本文可为类似独柱墩桥梁加固提供有益的技术参考和案例参照.     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。