简便实用的三线拉线法

文章提出简便实用的三线拉线法新工艺, 解决传统修造船工艺长期以来无法解决的艉轴管孔外形轮廓线的精确确定问题, 使得艉轴管贯穿船体外板三维曲面的开孔实现一次性准确成形, 既提高了工作效率, 又保证了施工质量。第一次提出了“过线”和“鉴线”这两个新名词概念。     

LGO和MAGNET在工程控制测量中的运用

为研究不同基线解算软件的解算精度，选择了两种常用软件（LGO和MAGNET）作为研究对象。通过对某大型高速铁路工程项目的实测数据进行解算，提出基线解算最有效率的操作模式。比较两种软件解算后的基线质量，采用经复测检验稳定的CPI控制点作为约束点，对平差后的CPII控制点坐标进行较差比较分析，约92%的坐标较差在5 mm以内。考虑到不同解算软件的数学模型存在差异，提出不同基线解算软件计算得到的坐标较差在5 mm内是可被接受的。若较差超过5 mm，会影响控制点复测稳定性判断，必要时需通过二次复测判断是否需要更新坐标。     

南梁-太行山隧道GPS同名基线复测技术与精度分析

研究目的：隧道洞外精密控制测量是隧道工程中非常重要的工作，为保证施工安全必须进行定期复测。本文结合实例对复测工作的实施及数据处理过程中复测基线与原测基线的对比问题等进行探讨。 研究方法：以南梁-太行山隧道洞外精密控制测量复测为例，通过比较分析同名基线的距离和方位角，考察两次结果对隧道贯通误差的影响。 研究结果：同名基线距离较差最大为4．3mm，方位角较差最大为-2．36″，测量误差对隧道横向贯通误差的影响最大为33．1mm，由此可判断测量成果采用原测成果。 研究结论：在隧道洞外精密控制测量的复测中，对组成的同名基线进行距离和方位角对比，可以很快验证复测成果是否符合施工精度要求；同名基线的验证方法可以有效地反映观测误差对隧道横向贯通误差的影响；工程实践证实，同名基线对比分析可避免过于繁琐的内业工作，及时确保施工安全和进度。     

桥梁GPS平面控制网测量

主要介绍利用GPS技术进行桥梁施工平面控制网测量的方法和要求,并结合实例论证了该方法应用于桥梁施工平面控制网测量的可靠性、优越性.     

刚柔性长短桩复合地基工程特性有限元分析

以邢衡高速公路一期工程为例，采用数值模拟的方法，对高速公路路基下刚柔性长短桩复合地基的桩土应力比和沉降变形的变化规律进行了研究。研究结果表明:桩间距、柔性桩桩长、下卧层土体变形模量对桩土应力比的影响较小，适当提高柔性短桩变形模量可增加柔性短桩的荷载分担比；适当减小桩间距和提高柔性短桩变形模量可在一定程度上减小路基的沉降变形；下卧层土体的变形模量对路基的沉降变形影响较大。     

软件配置管理及其过程实现

软件配置管理又称配置管理。它贯穿于整个软件生命周期，能较好地解决软件企业在资源、过程及相关问题方面的难题，可以把软件开发引上可重复、可管理的有序化开发的道路。阐述了配置管理中的一些重要概念，并着重从现状评估、计划制定、工具选择、实现策略等方面对配置管理过程的实现进行了探讨。     

刚柔性长短桩处理高速公路软土地基的应用研究

目前,长短桩的应用以建筑地基处理居多,在高速公路路基下的软土地基处理方面的应用还比较少见,以邢衡高速公路衡水湖段软土地基处理工程为依托,对刚柔性长短桩复合地基设计方法进行详细介绍,并通过静力载荷试验及重型动力触探试验对其应用效果进行评价分析。     

千寻位置在铁路勘测中的应用研究

为了发挥千寻位置服务的优势和特点,拓展其在铁路勘测及运营全过程中的应用,利用"千寻知寸"服务,研究在已建立勘测控制网区域内进行铁路勘测的应用方法。其基本思想为:通过已知的当地坐标和千寻位置采集的大地坐标,建立点校正,直接实现坐标转换,在控制点的检核满足限差要求后,开展勘察测量工作。分析了"千寻知寸"在铁路勘测中的定位精度以及测量点位的误差传递规律,并结合项目实例验证了所提应用思路的可行性。结果表明:"千寻知寸"可为铁路勘测提供厘米级的定位精度,满足常规铁路的勘测需求;但其测量精度受既有基线测量误差的影响,离起算点越远误差越大,在使用过程中应合理选择起算点;以"千寻知寸"RTK测量的结果解算控制网各控制点坐标,平面及高程方向分别存在约2 cm和3 cm的固定误差。     

基于多尺度排列熵和长短时记忆神经网络的航空发动机剩余寿命预测

针对航空发动机性能退化失效的变点和多状态参数的时间序列预测, 构建了基于多尺度排列熵算法和长短时记忆神经网络的剩余寿命预测模型; 使用多尺度排列熵算法对时间序列进行变点分析, 求解出性能退化过程中的突变点, 得到了有故障征兆的性能退化起始点; 构建了包含多变量的长短时记忆神经网络模型, 将多个状态参数代入到模型中得到对应的剩余寿命; 将变点后的航空发动机多状态参数和剩余寿命作为样本, 代入到长短时记忆神经网络模型中进行多步和多变量的时间序列预测; 通过综合航空发动机状态参数变点分析方法和时间序列预测模型, 得到最终的剩余寿命预测结果。研究结果表明: 多尺度排列熵算法能够及时监控各个状态参数的变化, 当发现状态参数异常时, 排列熵的值会发生跳变, 从而有助于及时发现故障征兆; 长短时记忆神经网络模型通过门控单元对长时间序列数据进行信息筛选, 充分保留了有效信息用于时间序列预测; 多变量长短时记忆神经网络能够对多状态参数进行同步分析, 并且将状态参数直接与剩余寿命相对应, 提高了模型效率; 通过多尺度排列熵算法和长短时记忆神经网络模型的结合, 能够考虑到航空发动机的多退化模式, 得到更符合实际退化过程的剩余寿命预测结果; 经过算例分析, 提出方法的剩余寿命预测的均方根误差为5.3, 与长短时记忆神经网络、反向传播神经网络和支持向量机相比, 误差分别降低了63%、72%和78%。