采用深基坑法对盾构机纠偏综合施工技术

在盾构法隧道施工中,若盾构机偏离设计轴线较大,自身无法拟合至线路轴线,况且亦无法通过调线方式补救时,可以采取开挖深基坑的方法尝试纠偏。一般基坑开挖均在没有或仅有小型障碍物的情况下进行,盾构机存在的环境下深基坑开挖较为少见。结合某工程实例,针对盾构机存在的特殊性,在常规基坑开挖的基础上,大胆采用了盾体支撑技术,先撑后挖,同时辅以桩外土体加固措施,克服了地质条件差、地下水丰富、周边环境复杂、基坑形状不规则、施工难度大等不利因素,顺利完成了基坑封底,成功实现盾构纠偏,使深基坑法对盾构纠偏成为可能。     

基于线特征跟踪的铁路桥梁支座振动位移测量方法

针对现有基于结构物表面纹理特征跟踪的支座振动位移测量算法易受光照、背景杂波、运动模糊等因素干扰的问题,提出一种基于线特征跟踪的铁路桥梁支座振动位移测量方法.利用大津法与连通体分析法获取感兴趣目标,并基于感兴趣目标确定线跟踪区域,提高支座位移计算效率;利用一种直线鲁棒检测算子,快速提取桥梁支座振动过程中线跟踪区域中的线目...     

泡沫轻质土路基浇筑体质量试验研究

泡沫轻质土浇筑体是含有微裂缝、收缩裂缝、推挤分层、融合消泡等缺陷的水泥基材料。采用钻芯法和轻型圆锥动力触探法对泡沫轻质土浇筑体的质量进行了尝试性试验,以期验证两种方法对浇筑体进行质量检验的可行性和可靠性。结果表明,泡沫轻质土在按施工要求浇筑的前提下,钻芯法所取芯样光滑完整,无侧限抗压强度离散性小,可直接表征实际浇筑质量;通过贯入击数的变化可以直接判定浇筑体的均匀性,贯入30 cm深度的击数与对应的无侧限抗压强度具有良好的线性关系,通过回归公式可预测浇筑体的抗压强度。     

20.8万吨散货船系泊绞车基座及下加强结构强度分析

系泊绞车是船舶锚泊系统的重要组成部分,系泊绞车在船舶靠码头时承受着缆绳的巨大拉力,在首部0.25L范围内的系泊绞车还承受了甲板上浪载荷的作用,如果系泊绞车基座设计不当,可能引发重大的海损事故,因此目前系泊绞车基座的有限元校核在规范中已经明确要求了。文中建立了20.8万吨散货船系泊绞车基座及其支撑结构的有限元模型,按照CSR规范中对于系泊绞车的相关要求,计算了系泊绞车基座在不同工况下的结构强度。计算结果表明,该散货船系泊绞车基座结构满足CSR规范的衡准要求,基座及其支撑结构设计合理、安全可靠。本方法可以为今后开展同吨位散货船系泊绞车的基座设计与分析提供参考,所提供的计算过程及相应的经验可供相关设计人员借鉴。     

基于延迟脱体涡算法高速列车通过隧道时的绕流特性

基于延迟脱体涡算法和滑移网格技术,建立CRH380A型列车的含有转向架的三维可压缩瞬态仿真模型,模拟研究高速列车气动力、速度场和表面压力这3大绕流特性的变化规律。结果表明:延迟脱体涡算法能较好地捕捉列车通过隧道时的气动特性;当列车头部刚驶入隧道时,气动阻力迅速升高并在车头完全进入隧道时达到最大值,列车下方2侧的速度纵向分量会急剧增加,位于靠近设备舱位置的速度纵向分量会显著降低;当尾车刚驶入隧道时,隧道内壁与列车侧面之间的流场会出现回流区;当尾车全部刚驶入隧道时,气动升力和侧向力骤然增加;当列车全部驶入隧道后,气动力的波动幅值均明显升高;列车通过隧道过程中,列车侧面压力整体上呈现先增后减、最后维持周期性波动的趋势,处于尾流区的车尾部位具有更强烈的波动特征;列车裙板和车底的表面压力整体上均呈先减后增、最后维持在较高幅值波动的趋势,对列车相关结构的疲劳强度产生不利影响。     

复杂水域船舶进出港全过程仿真建模方法

本文对比分析了国内外应用各种建模方法在船舶通航研究中的优缺点,提出了一种基于多智能体信息交互的港口运营系统仿真建模方法,旨在拟实反映复杂水域船舶进出港的全过程。结合多智能体系统仿真理论、离散事件仿真理论与多元数据统计分析方法,实现了对复杂水域船舶进出港全年全过程的精细化仿真,并系统总结了可通过建模解决的关键研究问题。     

Signal联盟将颠覆油轮联营池的经营现状

今年第一季度,两大油轮联营池运营商Heidmar和Signal海事月艮务公司(SignalMaritime Services) 宣布了 “里程碑式的合作”。考虑到Signal公司将为合作双方带来最先进的经营手段,围绕这一合作的传言自然大多都集中在管理技术方面。     

潜射高速航行体动力学模拟研究

为了更好地明确潜射高速航行体的动力学参数,进行基于混合数学模型的潜射高速航行体动力学模拟研究。构建潜射高速航行体动力学的混合数学模型,对潜射高速航行体外围流体的模拟动力学数据进行分析,得到阻力关系参量。获取潜射高速航行体在非线性动力空间中的动力学控制参量,结合所获得的参量对潜射高速航行体进行动力学模拟计算。通过实验方式对研究获得的动力学参数准确性进行验证,从而证明研究的科学性与有效性。     

基于强化学习的干线信号混合协同优化方法

交通拥堵已成为很多大中城市普遍存在的社会问题。信号控制作为缓堵保畅的重要措施之一，愈发受到社会关注。信号优化手段可分为模型驱动和数据驱动两类，且随着交通大数据的不断充实，基于强化学习的数据驱动方法日益成为新兴发展方向。然而，现有数据驱动类研究主要偏重于决策模型设计，缺乏对智能体结构的探讨；同时，在多路口协同方面多采用分布式策略， 忽略了智能体之间信息交互，无法保障区域层面的整体最优性。为此，本文以干线信号为对象， 构建一种多智能体混合式协同决策的信号优化方法。首先，针对交通状态的多样性、异构性及数据不均衡性，设计分布训练-分区记忆的单智能体决策模型，并优化状态空间和回报函数，界定单路口控制的最佳方案；其次，融合分布式和集中式学习的模型优势设计多智能体交互方法，在单路口分布式控制的基础上，设置中心智能体评价局部智能体的决策行为并反馈附加回报以调整局部智能体的决策模型，实现干线多信号的协同运行。最后，搭建仿真平台完成效果测试与算法对比。结果表明：新方法与独立优化和分布式协同相比，在支路交通流基本不受影响的前提下， 干线停车次数分别降低了14.8%和13.6%，具有更好的控制效果。