高速公路连续箱梁桥独柱墩横向抗倾覆计算及安全性评估

连续梁桥由于结构刚度大、桥面变形小、动力性能好、变形曲线平顺、有利于高速行车等优点,是中小型桥梁的主要结构形式之一,得到了广泛的应用和发展。但是由于超载、偏载以及支座布置不合理等原因,近年来我国连续梁桥出现了多例整体失稳的事故,且事故大多出现在独柱墩连续梁桥上。针对最近发生的独柱墩桥梁倾覆事件,采用有限元程序Midas Civil对拟建的武深高速公路项目中连续箱梁桥独柱墩抗倾覆系数及独柱墩处箱梁支座转角进行验算,并与规范及《广东省高速公路独柱墩连续箱梁桥横向抗倾覆安全性评估验算指导意见》中要求的指标进行对比,对连续箱梁桥独柱墩横向抗倾覆安全性进行合理评估。     

基于Matlab的后桥辅助驱动系统刚体模态分析及优化

建立了后桥辅助驱动系统的6自由度振动模型,利用Matlab编写了刚体模态和解耦率计算程序,验证了其准确性,最后通过衬套刚度优化了刚体模态分布和解耦率。     

加筋土挡土墙破坏机理及加固技术

通过总结分析既有加筋土挡土墙的几种破坏形式及破坏机理,提出针对不同形式破坏的加固处理方法,并结合省某破坏加筋土挡土墙的工程实例,制定详细的加固施工方案,为同类型的加固处理技术提供有价值的参考。     

浅谈山区公路边坡病害处治技术

针对山区公路边坡病害问题,主要是以公路边坡失稳病害作为重点,系统的论述了造成公路边坡失稳病害的主要类型及其成因,进而详细论述了防治处理公路边坡失稳病害的几项可行性技术措施,可以为公路边坡失稳等病害的技术处理提供合理的参考。     

油底壳有限元模态分析及实验验证

以EQ491型发动机油底壳为研究对象,通过有限元法得到了油底壳模型的固有频率和振型,运用模态实验技术,验证了有限元模型的合理性。在原始有限元模型的基础上,对油底壳模型进行约束模态分析,验证了油底壳结构的合理性,即油底壳固有频率远大于发动机机体激振频率。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

某内燃机车司机室声固耦合噪声仿真分析

建立某内燃机车的白车身声固耦合有限元模型,对司机室的结构模态、空腔的声学模态以及声固耦合模态进行了分析计算,并在柴油机安装梁处施加单位激励载荷,对司机室前200 Hz的振动及声场响应进行计算分析.针对声场响应的仿真计算结果对声压的峰值产生的原因进行了详细的分析.结果表明:在91、119、131、143、170、198 Hz处由于司机室壁板共振产生了明显的声压峰值,在116、131、143以及164Hz处由于声固耦合使得声压级骤增,需要在实际操作中对该频域加以控制.     

高桩码头桩基动力损伤识别方法

结构的损伤对其动力特性会产生一定的影响,利用结构损伤前后的模态参数的变化来进行结构的损伤识别是行之有效的方法。然而结构在完整状态下的模态参数很难得到,损伤程度更是难以确定。针对上述问题,提出一种基于损伤状态下的拟合曲率模态的损伤识别方法:首先通过损伤后的位移模态拟合出无损伤位移模态,然后根据拟合出的位移模态得到拟合曲率模态,基于损伤后的真实曲率模态相对于拟合曲率模态的突变来判别损伤位置;引入曲率相对改变量、损伤位置参数和模态阶数作为损伤样本的特征向量,通过支持向量机判断结构损伤程度。实例分析表明该方法能够对高桩码头排架结构的损伤进行识别。     

响应谱法与时程法在管道水锤分析中的对比研究

水锤是输流管道中经常发生的现象,由于阀门操作不当或设备突然停车引起的水锤极易引起管道的振动,造成设备及支架的破坏,严重影响管道系统的正常运行。文章运用CAESAERⅡ软件,对管道中的水锤现象分别采用响应谱法和时程分析法进行分析。结果表明:响应谱法有利于对振动响应过大模态的精确控制,时程法能精确求解时间历程内各时刻系统的整体响应。为全面分析水锤对管道应力的影响提供了一个研究思路。     

基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型

准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归（auto-regressive,AR）预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解（empirical mode decomposition,EMD）的过程中,采用AR预报的方法处理端点效应问题。 EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归（support vector regression,SVR）预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。