自动定量装车系统的应用研究

以自动定量装车系统的工作原理为切入点,介绍了装车系统的结构组成、工作周期、设计选型依据,分析了装车时间的影响因素并提出了应对措施;基于工程实例对系统的相关设计参数进行计算,可为定量装车系统的推广应用提供理论依据.     

基于空间系统的区域划分设计

为解决传统的以二维表述为主的船舶区域划分设计存在的详细设计与生产设计联动不顺畅的问题,开展了基于空间系统的区域划分设计研究。在三维设计平台3DEXPERIENCE的空间系统中进行区域划分设计,通过该软件中的3个模块实现三维仿真具现化,其中：Structure Design模块用于创建物理产品,以支撑区域空间划分设计;Part Design Essentials模块可直接绘制或间接创建多个实体,分别描述各类区域空间;Space Allocation模块用于将实体模型转换成目标区域空间模型。研究表明,采用该区域划分设计,由于区域与船体和舾装件共用同一个空间系统,能优化图纸质量,有效避免舾装件干涉,进而降低各系统设计员设计工作的误差率。     

高速公路挖方边坡稳定性分析及评价

由于受连雨天、暴雨等极端天气影响,施工过程中挖方边坡易出现下错滑动地质灾害险情。以某国道高速路YK31+260～YK31+310右侧挖方边坡为例,当边坡出现滑动时,通过地质勘察,分析滑动的成因机制,并辅以计算,对边坡的稳定性做出定性和定量分析评价,为后续的施工提供可靠的依据,并给出处治措施及建议。     

基于模糊聚类分析的船体分段类型分类方法和应用研究

为提高现阶段船体分段制造过程的标准化水平,实现分段装配工序和工时的标准化,推动船体分段制造数字化发展,本文以船体分段作为分类成组的研究对象,应用模糊聚类分析方法,建立了模糊聚类分析模型,通过输入分段工艺生产数据信息,实现了对船体分段的定量化分类,验证结果表明,应用模糊聚类分析形成的分段族类符合实际工艺需求。     

复杂荷载下斜坡桩基承载力数值模拟研究

针对斜坡桩基受陡坡作用影响桩基前后土体不对称,侧摩阻力有所不同,容易产生安全隐患问题,对复杂荷载下斜坡桩基承载力进行数值模拟研究。在复杂荷载作用下获取水平受荷桩的挠度微分方程,采用有限单元法确定桩周土抗力及与其对应的桩身位移关系;建立数值分析模型,对桩基模型实施网格划分,计算出桩体和土体的各项参数,分析不同坡度、邻坡距和桩长条件下桩基极限承载力的变化规律和影响因素,利用数值模型确定极限上拔承载力。结果表明:在复杂荷载下,获得不同位置桩身弯矩和土体模量对桩身弯矩的改变,可通过改善土的模量提高桩的水平承载力。     

自升式平台运行工况对危险区域设备选型的影响

分析和总结了大连中远海运重工建造并交付的Super 116E系列自升式钻井平台的危险区域部分设备选型问题;重点讲述了钻井平台危险区划分,危险区域内设备选型与平台设计运行工况之间的相互关联,可为后续海工钻井平台项目的危险区划分及设备选型工作提供参考和借鉴。     

基于节点重要度的高速铁路节点等级划分方法研究

高速铁路节点等级划分与确定对高速铁路运输组织具有重要意义。本文在分析节点划分方法研究现状的基础上,基于指标变量系统聚类原理,结合信息熵法与专家赋权法,建立了高速铁路客运节点重要度评价体系。以此为基础,对节点重要度进行二阶聚类分析,利用施瓦兹贝叶斯准则确定最佳聚类数量,得出节点聚类结果,结合节点运营实际综合确定各节点的等级属性。并实例验证该方法的可行性和有效性。     

某型舰船变流机组的测试性研究

本文根据测试性的相关原则对某型舰船中频变流机组进行了测试性设计,重点分析研究了中频变流机组的结构组成、故障模式及其影响。对变流机组进行了测试性层次划分和测试性指标分配,确定了初步的测试信号和测试点,为变流机组测试性设计的后续工作打下基础。     

大型LNG船发电机室的燃气管线泄漏分析北大核心CSCD

[目的]目前,由双燃料发动机组成的电力推进系统是大型液化天然气(LNG)船的主流推进方式,必须对爆炸性可燃气体进行安全可靠性的定性、定量评估,以规避潜在风险。[方法]以某双燃料电力推进大型LNG船发电机室为研究对象,对其内部不同区域的燃气(天然气)泄漏工况进行模拟分析。根据泄漏发生的形式、位置和速率等定义危险泄漏工况,选择雷诺应力模型为湍流模型,采用计算流体力学(CFD)软件Fluent对发电机室燃气供应管线的5个泄漏点进行持续泄漏模拟计算,并将泄漏扩散结果与舱室通风的流场速度分布相结合,得到不同区域发生泄漏后的天然气扩散趋势和浓度分布。[结果]根据仿真模拟结果优化了可燃气体探测器布置方案,并明确了排气风机无需进行防爆设计。[结论]研究结果可为有限空间内通风条件下的可燃气体泄漏事故分析防范提供参考,并且适用于燃烧爆炸破坏的定量评估,用以指导结构强度设计。     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。