山区桥梁三维空间脉动风场模拟

依据脉动风的特性,对三维空间脉动风场进行了合理简化.基于谐波合成法(WAWS),考虑空间相关性并运用FFT技术,采用MATLAB编制了脉动风场数值模拟程序.以某一高墩刚构桥为例,模拟了其脉动风速,并对模拟结果进行了检验,结果表明模拟值与目标值之间拟合较好,验证了这种方法对山区桥梁三维空间脉动风场模拟的适用性.     

长江中游通航环境风场气候变化特征及其航运影响分析

以长江中游沿岸17个气象站点风场的数据为基础,统计分析了长江中游通航环境风场的气候变化特征.研究表明:除宜昌站外长江中游各站点年平均风速总体呈减小趋势,大部分站点2000年以后年平均风速有所上升;年平均风速在20世纪80年代左右发生突变;日最大风速5级以上的天数总体呈下降趋势;巴东站2000年以后日最大风速5级以上的年天数增多(25.3d/a),荆州站点在2004年以前呈下降趋势,2004年以后5级风天数明显上升.分析结果表明,长江中游风场的气候变化对航运是有利的.     

江阴长江公路大桥风场特性分析

结合江阴长江公路大桥结构健康监测系统升级改造项目,采用3向杨氏风速仪实时监测大桥桥址风场。依据实测数据进行大桥平均风特性(平均风速、风向和阵风系数)和脉动风特性(紊流强度和风谱)的统计分析。并结合GPS桥形监测系统,根据实测的CPS测点坐标数据和风速数据对风栽作用下的大桥变形特性进行分析,并对台风"麦莎"经过江阴大桥期间的风场特性以及与大桥跨中位置的横向位移的相关性进行了分析。     

高速铁路风监测设备比对试验方法的研究

在分析高速铁路风监测系统组成、风监测设备检定存在问题的基础上,阐述基于模拟风场的比对试验设计方案和数据分析方法.根据仿真数据实验结果,该方法优于传统的分析方法,为风监测设备上线使用前的检定工作提供有益的参考.     

2002年天津沿海地区春季首场大雾分析

春季大雾是影响天津沿海地区海上航运、港口作业的一个重要因素，本文利用常规气象资料分析了本场平流雾产生的环流背景、低空风场、地面形势及塘沽站、上游站天气要素等特点，认为高空玮向环流平直、低空有暖平流、地面风向风速适宜、气流上游水气条件较好是形成此次大雾的主要原因。     

大跨度桥梁三维脉动风场的计算机模拟

针对用于大跨度桥梁抖振时域分析的随机风场和Davenport相干函数的特点,采用模拟平稳随机过程的AR法,通过编制相应的Matlab程序,获得了大跨度桥梁三维脉动风场。以某跨度为800 m的大桥为例,进行了三维脉动风场的模拟,并对模拟得出的样本进行检验,结果表明模拟值与目标值吻合良好,可以用于大跨度桥梁的风场模拟。     

风场作用下趸船区域溢油动态模拟研究

以舟山定海港区某油库码头为背景建立了风场作用下的趸船区域溢油动态模型。针对趸船区域可能产生油品溢漏的位置,对趸船区域的溢油运动情况进行了模拟分析。模拟结果显示,当泄漏油品为柴油(850kg/m3,0.003825Pa·s)、泄漏点宽度为0.5m、油品泄漏速度为1m/s时,受风场作用,发生在趸船附近的溢油事故,其溢漏油品不仅随潮水运动流动,还会大量的在码头与岸线之间的区域及码头两端部附近产生积聚。在进行溢油事故快速控制和污油回收时,需要重点针对该区域进行监控防治。     

基于多维AR模型的近海风机振动特性

基于自然风特性,通过考虑结构结点间风速时程的空间相关性,采用多维AR模型模拟海上风机塔架脉动风荷载时程。在考虑桩-土-风机塔架系统相互作用的基础上,建立了三维有限元模型,分析了风机结构的固有频率及模态振型,对比研究了在不同方向风荷载作用下结构的位移、应力时程。结果表明:虽然不同入射风向对塔筒顶端的位移极值影响不大,但对局部位移和最大应力有显著的影响,结构应力的极值点出现在桩基与塔筒的连接段上。研究结果可为海上风机三桩基础布置、桩基承载力设计、结构强度设计、风机塔架的抗风提供参考。     

平潭海峡公铁大桥桥址区实测风场特性

根据平潭海峡公铁大桥大小练岛水道桥2021年全年风速数据对实测三向风速进行正交分解，引入非平稳模型定义平均风速，在传统经验模态分解提取时变均值的基础上，通过平稳度指标改进时变均值项判断准则，提出一种非平稳时变平均风速提取方法。根据全年实测风速数据统计分析平潭海峡桥址区实测风速的均值、最大值和极大值，进一步研究脉动风场的时域特性。结果表明：平潭海峡桥址区2021年日最大风速最大值为13.9 m/s，日极大风速最大值为24.5 m/s。由于8—9月是台风季，桥址附近受热带低压影响日最大风速和日极大风速均为最大值。采用两参数Weibull分布能够更好地表征跨海桥梁桥址区平均风速；海洋风场实测风速表现出明显非高斯特性，需要考虑脉动风场的非高斯特性进行风环境分析。     

桥面风场时程重构的机器学习方法

获得桥面的高分辨率时变流场对研究桥梁风致问题尤为关键，然而受传感器布设与测量方法等因素制约，难以通过试验直接测得高空间分辨率的流场数据。机器学习是流场表征的有效手段，但是数据驱动的训练方法在已知样本较少时难以获得准确的模型。针对此问题，引入流场时程的人工神经网络方法，使用流体控制方程辅助模型训练，通过增加未知测点处的方程约束提高模型的精度，得到了考虑物理约束的桥面风场时程的机器学习重构模型。以低雷诺数桥面绕流为例，实现了基于稀疏已知测点时程数据的模型训练，得到了较好的效果。结果表明：通过引入未知测点处的控制方程约束，可在较少已知时程数据的情况下，获得更准确的桥面风场重构模型，为人工智能方法在风场实测时程数据中的应用提供了基础。