集装箱码头双吊具工艺关键技术研究

项目通过对集装箱码头传统作业模式进行重点分析,系统结合了双四十英尺双起升桥吊的作业方式以及集卡上离档规则和车道划分规则,提出合理、高效、便捷的集装箱码头双吊具工艺技术。充分利用双桥吊的装卸优势和先进的集卡GPS引导系统,减少集卡空驶和桥吊空吊作业等无效操作环节,提高集装箱码头的整体运营效率。项目提出的集装箱码头双吊具工艺通过数学模型来确定桥吊在每个船倍位的作业顺序,实现支持双吊具工艺下的船舶作业箱自动排序。利用双层启发式算法,在较短的时间内得出用于双吊具的集装箱装卸作业组合,结合支持双吊具集装箱排序问题的决策支持系统（DSS）和集卡引导系统,创新了集装箱码头桥吊作业模式,提高桥吊作业效率的同时合理地增加双吊具的使用率,达到提升整个集装箱码头作业效率和降低作业能耗的目的。     

三门海特大桥深水基础施工技术研究

三门海特大桥复杂的天然条件相对于主墩的深水基础施工而言相当恶劣,通过对高桩承台三个方案的优化比选,确定了承台采用钢吊箱施工方案,并详细介绍了水中临设、深水桩基、钢吊箱施工的方法,最后对深水基础施工进行了系统总结。     

某悬索桥加固设计与计算

＂吊拉组合体系＂法是加固悬索桥的有效方法之一。文章以某悬索桥加固工程为例,通过对该桥技术和病害状况的分析,提出了基于＂吊拉组合体系＂法的加固设计方案与结构计算方法,并介绍了相应的施工工艺。     

基于多重平衡体系的索辅梁拱桥设计

为解决在布置及结构上均为非对称且与多吊索面结合的空间异形组合拱桥达到理想受力状态的问题,以深圳前海合作区11号景观桥为例,采用索辅梁桥的设计理念和多重平衡体系的分析思路,结合有限元模型对面外受力体系和面内受力体系进行分析。结果表明:超宽型梁体在多吊索面辅助达到横向受弯平衡的前提下,利用合理的拱面倾斜角度使非对称布置的拱肋达到面外受力平衡状态,利用合理的拱轴线使非对称构造的拱肋达到面内受力平衡,实现多重平衡体系的设计思想,为非对称空间异形拱桥的分析及设计提供了方法上的参考。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

卡车一排半驾驶室本体结构设计（一）

本文主要介绍，将平头卡车“单排驾驶室”改成“一排半驾驶室”，在车身结构设计方面的设计程序和设计方法，以及如何解决驾驶室的结构强度和结构刚性问题。     

市政道路路基处理及边坡防护典型工程实例

以路基处理和边坡防护工程实例为例,介绍了路基处理中粉喷桩、SDDC桩、高分子注浆、泡沫轻质土,以及边坡防护中排桩挡墙的适用条件、应用场景,帮助道路工程师依据不同的工程边界条件,选择适用、经济、合理可行的工程措施方案来解决工程实际问题。     

帕克西桥承台吊箱围堰施工方法

简述了孟加拉国帕克西桥吊箱围堰的制造、浮运、以及在无潜水工作业的条件下吊箱围堰的安装、封底、拆除施工方法。     

拉萨市柳梧大桥排桩式深平基设计

排桩式深平基具有刚度大、对邻近建筑物的影响比较小等优点已被应用于工程建设中,当地层中卵石,大的孤石含量较高时,若采用传统的沉井结构设计和施工方法会给施工带来很大的困难和不便。为此,结合排桩施工工艺和深平基的特点,在设计中提出了排桩式深平基的方案,并进行工程实践,极大的降低了卵石、孤漂石特殊地质条件下采用深平基（沉井）方案的风险,拓宽了深平基的适用范围。     

基于Faster R-CNN的接触网吊弦故障检测方法

针对接触网吊弦故障图像样本较少,现有方法检测准确率较低的问题,提出了一种高效率、高准确率的接触网吊弦故障检测方法.以Faster R-CNN模型为基础,通过引入能够提取深层次图像特征并实现特征重用的密集连接卷积神经网络(dense convolutional network model, DenseNet)替代原始的特征提取模块提取吊弦图像特征,并在实验中利用图像旋转、增强等数据变换操作扩充样本集提升检测效果.通过对接触网吊弦图像的测试,以DenseNet为主干网络的Faster R-CNN模型能够检测接触网吊弦故障,检测准确率比原始检测模型提高4%以上,且加入数据变换对吊弦故障检测的准确率和鲁棒性均有显著提升,均值平均精度(mAP)可达98%以上.