大容量光栅阵列测温技术在隧道火灾监测中的应用

火灾监测系统是公路隧道安全运营的重要保障。文中以莆炎高速三明段公路隧道项目为例,阐述大容量光栅阵列温度传感系统的部署运行方式和报警算法设计。现场模拟测试结果表明,大容量光栅阵列测温火灾报警系统对隧道内环境异常升温情况的报警率为100%,定位精度≤5 m。通过将大容量光栅阵列技术与全同光栅技术和逐点光栅技术进行比较,说明这一新技术在工程应用中的优势。     

大断面水下盾构隧道管片接头抗弯刚度及其对管片内力影响研究

以大断面水下铁路盾构隧道-狮子洋隧道工程为研究对象,运用有限元数值分析方法,并结合管片接头原型抗弯试验,研究环向管片接头抗弯刚度,并运用梁-弹簧模型进行接头抗弯刚度对整环管片结构内力影响的研究.结果表明:该隧道管片接头抗弯刚度的取值范围为50～700MN·m·rad-1,在相同轴力条件下,接头抗弯刚度会随接头弯矩的增加降低1个数量级左右;在相同接头弯矩条件下,接头抗弯刚度随轴力的增加而增大;接头抗弯刚度对管片轴力分布的影响微弱,对管片弯矩的影响显著;随接头抗弯刚度的增大,整环管片的弯矩分布趋于均匀;在抗弯刚度取值范围内,极值弯矩相差最大达80％左右,极值轴力最大减小5％左右,变形最大减小20％左右;基于接头抗弯刚度-弯矩-轴力的非线性关系改进的梁-弹簧模型,更能体现接头对整环管片受力的影响,也更适用于大断面盾构隧道管片内力的计算.     

水下爆炸作用下船舶结构与燃气轮机动态响应的数值研究

本文对水下爆炸作用下舰船结构及燃气轮机结构冲击响应进行了数值研究.首先,基于CEL方法建立了近自由面水下爆炸流固耦合动力学模型.然后结合燃气轮机-船体一体化仿真分析方法,对不同水下爆炸工况下的舰船结构冲击环境,以及燃气轮机冲击损伤特性进行了评估分析,总结了工况参数对燃气轮机冲击响应特征的影响规律,旨在为舰用燃气轮机抗冲击设计提供技术参考.     

水下机器人科学考察技术应用

水下机器人是重要的水下装备移动载体,可搭载操作机械、样本采集装置和环境传感器等装备以实现多样化的海洋科考任务.本文从水下机器人的类型、导航控制、环境感知、数据采集和样本采样等方面进行概括,分析水下机器人在海洋科考领域的应用技术,展望水下机器人的发展.     

基于RBF径向基网络的潜艇水下悬停控制

潜艇水下悬停是指潜艇在水下无航速时深度的保持和变动。它是一个非线性过程,随潜艇状态及航行环境的不同而有很大变化,传统控制方法缺乏自适应能力从而影响了控制效果。本文简要论述了潜艇水下悬停的概念及对潜艇的意义,研究分析了潜艇水下悬停运动的数学模型及干扰力数学模型,将RBF径向基网络控制技术引入潜艇水下悬停过程,通过仿真证明RBF径向基网络控制与传统的控制方式相比有优势。     

东北亚水下之盾——韩国海军KSS-3级潜艇展望

为增强远洋攻击作战能力并构筑海上导弹防御之盾,韩国海军目前正在加紧建造满载排水量超过9000吨的KDX-3型“宙斯盾”导弹驱逐舰。与之相呼应,韩国海军未来的水下之盾——KSS-3型潜艇项目也将于今年内正式启动,其目的是自主研制水下排水量3000～3500吨的大型潜艇,首艇计划在2020年前进入服役。KSS-3型潜艇项目的上马不仅是继KSS-2型潜艇首制艇“孙元一”号（编号SS-072）在2006年6月9日下水后韩国海军潜艇发展史上的又一里程碑．而且由于很有可能采用核动力而倍受外界关注,原本就复杂难解的半岛核问题可能加重且日本可能继而跟进建造核动力潜艇。若KSS-3型潜艇真的采用核动力推进的话,那么东北亚地区的局势无疑将更趋微妙。[编者按]     

深海先锋队美国的核试验潜艇

在美国核潜艇的发展历史上,有一系列专门用于研究试验的核潜艇,它们有的试验降噪,有的试验推进方式,有的进行深浅研究,有的从事复合材料试验、水下无人运载器试验、先进声呐试验、艇体降阻试验、发射无人侦察机试验以及进行“多任务平台”独立嵌加舱段的研究等。正是这些试验潜艇的默默奉献,才使得美国核潜艇作战能力一直位居世界前列。因此,对于这样一支“深海先锋队”,人们完全有必要去了解它,去研究它。[编者按]     

水压施加对盾构管片接缝防水性能的影响分析

为探讨水压对弹性密封垫防水性能的影响,依托南京和燕路长江隧道工程,利用有限元软件ABAQUS基于yeoh模型,对南京和燕路长江隧道采用的密封垫在有水压作用与无水压作用情况下的防水性能进行数值模拟,并对其开展设计最不利工况下的防水性能实验,得到密封垫在设计最不利工况下的变形特性及接触应力特性.通过两种计算方式下密封垫防水...     

用于水下目标识别的无监督特征选择算法

随着社会发展,海洋空间对人类变得愈发重要,对新的水下目标自动识别系统的需求也愈发迫切。在水下目标自动识别系统的构建过程中,提取到的特征含有很多冗余特征、不相关特征和噪声特征,影响系统工作效率,降低了分类识别正确率。为此,本文提出一种新的用于水下目标识别的特征选择算法——基于图学习的无监督特征选择算法(Unsupervised Feature Selection Algorithm Based on Graph Learning,UFSGL)。该算法通过同时进行转换矩阵优化和图学习来优化算法框架,并用正则化方法优化加权图中边的光滑度,最后对转换矩阵进行稀疏化从而进行特征选择。使用UCI数据库的sonar数据集对算法性能进行验证,结果证明,UFSGL算法能够有效减少特征子集中的特征个数,并在一定程度上提高分类识别正确率。