铁路钢箱梁正交异性桥面加劲肋疲劳性能研究

甬江特大桥是国内首座铁路大跨度钢箱混合梁斜拉桥。目前国内外大部分疲劳模型试验研究都仅针对单一纵肋形式下正交异性钢桥面板的疲劳特性,不同纵肋形式下的对比研究较少。因此,结合弗拉索夫薄壁杆件理论,提出了加劲肋疲劳敏感部位面内疲劳应力的解析公式,分析了解析公式各疲劳影响因素的影响程度及作用机理,并同有限元模拟及2U+2V模型测试结果进行对比分析。研究表明:解析公式结果同有限元模拟以及试验测试结果一致,其中V型加劲肋疲劳敏感部位疲劳应力小于U型加劲肋,模型试验中U型加劲肋疲劳敏感部位出现裂纹,因此,在铁路列车荷载作用下,V型加劲肋疲劳敏感部位比U型加劲肋具有更好的抗疲劳性能。     

保留幽门管与全胃切除胃癌根治术后生存分析

目的　分析保留幽门的胃癌根治术 (STG)和全胃切除胃癌根治术 (TG)对患者生存状况的影响。方法　收集 1 64例胃癌 (TG :86、STG :78)患者资料 ,分析比较术后饮食减少量、体重丢失量、血浆蛋白变化、手术死亡率和并发症发生率及长期生存率、生存质量。结果　STG组手术创伤小 ,输血少 ,营养状况佳 ,生存质量高 ,不影响淋巴清扫的彻底性和长期生存率。结论　在无禁忌时尽可能保留幽门 ,如有幽门部直接浸润时仍应切除全胃。     

我国路面长期性能研究对策分析

阐述我国进行路面长期性能研究的必要性及其长远意义 ,分析我国当前开展研究的基础条件和主要障碍 ,提出了该项研究应遵循的基本策略及作为理论研究的几个关键问题 ,并对指导路面长期性能研究的方法论进行论述 .     

纯电动乘用车续驶里程发展趋势研究

参考《免征车辆购置税的新能源汽车车型目录》,结合乘用车市场信息联席会统计的车型销量数据,重点分析近5年不同续驶里程区间的纯电动乘用车的销量情况,通过梳理和研究分析,总结并预测纯电动乘用车续驶里程发展趋势.     

增程式电动汽车全生命周期节能减排绩效评价

采用全生命周期评价(LCA)一整套方法和理论,基于德国开发的生命周期评价专用软件GABI,选取国内市场上某款增程式电动汽车,建立该车全生命周期评价模型,从而对增程式电动汽车的节能减排绩效进行研究.根据增程式电动汽车结构特点,将整车划分为发动机、发电机等10大部件,从原材料获取、制造装配、运行使用和报废回收4个阶段进行节...     

瞬变电磁法在深埋长隧道勘察中的应用研究

介绍了瞬变电磁法(TEM)的原理、特点、工作方法和资料处理。该系统首次运用于云南省的高速公路深埋长隧道勘察中,结合其他手段,成功地解释出了隧道的岩性、地下水及断层破碎带的位置,为划分隧道围岩级别提供了较好的依据,同时也为高速公路深埋长隧道提供了一种新的勘察方法。     

格拉管道密闭输送-10 #轻柴油主要技术对策

阐述了地处高原寒区的格拉管道首次密闭输送-10 #轻柴油过程中对输送条件、油品物性、管输特性及输送过程所进行的分析比较,介绍了输送方案和主要技术对策,其中要点有设定的管路压力,流量与流速,工艺流程及控制方式,管道泄漏和进、出站压力突变,输油设施设备发生故障时的处置.实践证明,格拉管道利用每年7、8月份地温最高的有利时机密闭输送-10 #轻柴油是可行的,但输送压力、流量、节流压力等主要参数与输送-20 #、-35 #轻柴油不同,对输送参数和输送方案需做相应调整.     

景洪水力式升船机下游对接过程实船试验

在下游对接过程中,对接水位差和船舶进出厢引起水面波动是影响船舶停泊条件及升船机安全运行的主要因素。为了研究该因素对景洪升船机的影响,进行了重载和空载船舶在不同速度进出船厢、不同对接水位差启闭卧倒门的实船试验,得到相应工况下船厢水面波动、同步轴扭矩、船舶系缆力等变化特性,建立同步轴扭矩与影响因素间的相互关系,提出满足景洪水力式升船机安全运行的船舶进出厢航速与升船机对接水位差的安全控制指标。     

空气喷枪造成涂膜喷幅缺陷诊断与解决方法

简要介绍吸上式PQ-1型空气喷枪出现故障后,产生的几种常见喷幅缺陷及解决方法。     

基于LSTM神经网络的地铁变压器绕组温度预测

传统的地铁状态监测系统仅能反映变压器绕组当前的温度状态及其历史温度趋势,当绕组温度超过阈值时系统报警,但不能对绕组未来的温度变化进行预测。绕组温度受设备运行功率和环境温度等多重因素影响,其变化呈现非线性和周期性,传统预测方法精度难以提升。本文基于长短期记忆网络(long short-term memory,LSTM)算法预测变压器绕组温度,选取绕组温度、环境温度、运行功率、运行电流作为输入变量,收集变压器历史状态数据构成训练数据进行离线训练,通过训练完成的绕组温度预测模型反映多重影响因素与绕组温度的变化关系。最后将算法应用于某地铁站动力变压器,收集样本数据进行训练得到温度预测模型,将测试数据输入模型中,计算绕组温度真实值和预测值之间的相对温差,分析验证算法可行性与模型准确度。结果表明：LSTM算法面对大数据量样本可充分挖掘多重影响因素与绕组温度之间的深层关系,温度预测模型可准确预测绕组温度的变化。