先简支后连续梁桥体系转换最优化工序的研究

先简支后连续结构体系转换是该桥型施工的重要环节,从施工受力合理的角度,研究现浇段浇筑以及后连续预应力筋的张拉顺序和临时支座的拆除顺序优化,通过对不同施工工序的对比分析,研究现浇端浇筑和张拉的最优工序,并在桥梁施工中应用实践,为该桥型在今后的施工起到重要作用。     

墩梁式支架法在某跨海大桥现浇箱梁施工中的应用

某跨海大桥海中63#～70#墩采用墩梁式支架法施工现浇箱梁,文章详细介绍了该方法的实施步骤、方法及临时墩的设计计算．采用该方法有效地解决了海中箱梁钢管支架搭设困难的问题。     

基于部门协调的分布式决策支持系统

为了向组织结构分散化的企业提供有效的决策支持，运用协调决策理论，构建了部门间协调决策的一般性模型，并根据这一模型设计了基于部门协调的分布式决策支持系统的体系结构．在该模型中，将企业职能部门区分为主导部门和非主导部门，每个部门都有机会成为主导部门或非主导部门．此外，明确定义了协调决策过程信息交换的内容，即主导部门向非主导部门传递全局决策向量，而非主导部门向主导部门传递各自的边际收益向量．最后，描述了模型的求解过程——通过有限次部门模型求解和信息交换，最终得到决策问题满意的解答．     

深埋软弱破碎围岩初期支护荷载承担比重研究

为了研究软弱破碎围岩隧道联合支护各构件的作用效果,以四川省宝兴水电站引水隧洞工程为背景,采用有限差分数值计算软件对隧道围岩注浆加固圈、喷射混凝土和型钢支撑3种支护措施的围岩荷载承担比重进行了研究。通过采用固定支座等效代替某种支护的方式,设计了3种支护方案,每个方案仅采用2种支护方式,计算至平衡,提取支护反力并转化成应力,从而得到该支护结构的荷载分担比。研究表明:型钢支撑起到及时强支护作用,可有效控制围岩变形;随着时间推移,当喷射混凝土达到一定的强度后,发展为主要承载结构,喷射混凝土面层承担更大比率释放荷载,喷射混凝土承载荷载比重最大,注浆加固圈次之。计算得出宝兴水电站引水隧道型钢支撑、注浆加固圈和喷射混凝土3种支护荷载承担比重为1∶1.25∶1.6。     

多孔叠交隧道盾构施工关键技术研究

为确保多孔叠交隧道能安全快速地施工,以南宁轨道交通1号线和2号线叠交段为例,分析了叠交隧道"先下后上"施工的优势。结合现场施工情况,对叠交隧道施工的二次固结、注浆加固、下部隧道支撑加固和掘进参数控制等关键技术进行分析,给出叠交段的加固范围,分析钻注一体和台车+风钻2种施工方法以及穿行式同步移动支撑台车和可拆卸环形钢支架2种支撑方法的适用条件。对于叠交隧道盾构掘进参数控制技术,从掘进参数、盾构姿态和同步注浆3方面提出了建议。     

基于全生命周期信息和BIM的隧道运维决策支持系统

针对公路隧道运维管理对象众多、信息分散异构、时空特性复杂等导致管理决策困难的问题,从隧道全生命周期信息出发,建立隧道可视化智能决策系统。系统以标准化、可视化和智能化为设计原则,以隧道BIM运维模型为基础,通过标准化编码和信息映射表实现设计、施工和运维的多源信息集成,由感知层、网络层、数据层、分析层和交互层组成,利用智能分析技术实现结构健康评估和病害追溯、设备异常发现和故障诊断、养护决策优化等功能,通过三维图形化引擎与用户交互,帮助用户快速掌握现场情况,获取自动辅助决策结果,提高运维工作效率和质量。将该决策支持系统应用在上海大连路隧道工程中,可帮助隧道管理者更快速、清晰地了解隧道运营状况,提供运营养护的辅助决策建议,取得了很好的应用效果。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

基于优化支持向量机-混沌BP神经网络的基坑变形预测研究

为解决基坑变形预测精度低的问题,采用小波去噪分离基坑变形的趋势项及误差项序列,并利用多种优化的支持向量机对趋势项序列进行预测,采用混沌BP神经网络对误差项序列进行预测,将两者预测结果进行叠加即得到变形预测值,且可根据后期监测数据的更新,实时增加数据信息,达到跟踪预测的目的。经过3个实例检验,得出小波函数的去噪效果相对较优,且预测结果的相对误差均值均小于2%,验证了优化支持向量机-混沌BP神经网络模型的有效性,且该模型具有预测精度高、适用性强等优点,对掌握基坑变形的发展趋势及评价基坑的稳定性具有重要意义。     

Performance decay of stern bearing based on lubrication numerical model and state parameters北大核心CSCD

[目的]为了实现对船舶艉轴承润滑状态的监测和评估,提出一种结合润滑性能衰变模型和支持向量机(SVM)算法的艉轴承润滑性能评估方法。[方法]针对船舶艉轴承润滑状态难以监测和识别的问题,建立轴承润滑衰变数值模型,并运用实验数据对该模型进行验证,研究载荷、粗糙度和半径间隙对润滑状态衰变机理的影响。基于SVM算法,构建润滑状态分类器,通过网格搜索算法优化超参数,利用不同润滑状态的数据集进行训练,最后实现对艉轴承润滑状态的评估。[结果]结果显示,随着外部载荷、粗糙度和半径间隙的增大,轴承润滑状态恶化的临界速度增大,动压润滑工作范围减小,混合润滑工作范围增大;由仿真数据集对润滑状态识别模型的验证表明,所提的润滑状态识别方法准确率达96.88%。[结论]所提方法能监测轴承的润滑性能特征,有效识别轴承的润滑状态。