车辆荷载作用下超大断面双层隧道衬砌结构动力响应分析

针对大断面双层隧道结构力学复杂的特点,为了掌握其在运营期车辆荷载作用下的响应规律,对建立的三维隧道模型进行研究.对不同时刻的位移云图、位移进程曲线、加速度时程曲线进行分析,分析结果表明:在车辆荷载作用下,位移变化由大到小依次为车道、衬砌、围岩;位移响应在达到峰值后开始衰减直到荷载作用周期结束,并产生位移残余;加速度响应随着隧道轴线方向距离的增加而不断衰减,仅在出口段有所增加.通过车载作用下超大断面双层隧道的模拟,研究其衬砌结构的动力响应规律,可为运营期衬砌结构健康监控提供参考.     

高速铁路路基全断面沥青混凝土防水封闭结构

提出1种高速铁路路基全断面沥青混凝土防水封闭结构,基于该结构工作状态,分析其主要功能特性,设计碾压密实高模量沥青混凝土。将全断面沥青混凝土防水封闭结构应用于工程试验段,跟踪监测其服役特性。结果表明:试验段轨道结构及路堤基床动力性能均满足规范限值要求;试验段基床含水量维持在8%~18%,受天气影响小,而邻近的纤维混凝土对照段基床含水量为10%~35%,随天气波动显著;试验段沥青混凝土的吸热作用,使得路肩处基床温度较对照段大;试验段路基竖向变形监测值较对照段稍大,但均满足限值要求;试验段沥青混凝土与底座等接触情况良好,无松散剥落等病害,仅在底座板接缝处有数条裂缝,而对照段出现较多的纵横向裂缝,严重影响其防水封闭效果;沥青混凝土修补方便,可维护性高。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

钢轨断面图形信息自动获取系统

本文以铁道钢轨断面图形检测为实例,设计了一个光学图象信息采集系统。把强光带直接照射到钢轨轨顶及其两侧,将一对CCD摄象机获取的三维物体的图象信息,经图象预处理后,用线性内插法对光带细化,使其变为二维图象处理,从而不再涉及难度较大的立体象对的图象相关问题。     

山区公路路基断面形式选择与研究

本文结合工程实例，介绍山区斜坡陡基路基断面形式选择的思路和原则，归纳总结技术进展和技术成果。     

基于RBF神经网络模型的混沌背景下谐波信号提取

在混沌时间序列前后向联合预测模型的基础上,提出前后向联合迭代预测模型并将之用于混沌背景下谐波信号的提取.对前后向联合迭代预测模型与前向预测模型的仿真实验对比研究表明,在叠加谐波信号幅度和频率不过小的情况下,前后向联合迭代预测模型在连续类混沌背景下的谐波信号提取性能较前向预测模型好,而在离散类混沌背景下的谐波信号提取效果都很差,但仍可用于检测微弱谐波信号.     

收缩水深计算方法

<正>泄水建筑物或跌坎下游水流的收缩断面是分析下泄水流与下游渠道中水流衔接形式的控制断面,其收缩水深则是水利工程或给水排水工程中消能工设计的重要参数。由于表征水流运动规律的能量关系式是关于收缩水深的高次方程,使得计算者不得不依赖于试算法或查图法,显然因为低效,又相继出现了优选法、迭代法、经验公式等;笔者在此介绍三个具有足够精度的计算公式,以利更加简捷地求解梯形、三角形及矩形断面水流的收缩水深。     

CADDS5管系数据提取及与PCPS接口的研究

本文对CADDS5管系和PCPS的数据存储方式与特点进行了分析，研究了CADDS5管系数据的提取和将数据转换为PCPS格式的方法。     

用碱性裂解法提取人血凝块中基因组DNA

目的建立一种新的从人血凝块中提取基因组DNA的方法。方法血凝块于室温自然解冻,匀浆,碱消化,酚氯仿抽提,电泳检测。结果用碱性裂解法从人血凝块中成功提取到基因组DNA,提取的DNA质量浓度平均为0.46 g/L,且吸光度比值A260/A280>1.8,选取人Gpx-1基因作PCR获得满意的目的片段。结论用碱性裂解法提取的基因组DNA的总量较高,提取效率高,PCR扩增效果好,可很好的应用于血凝块基因组DNA的提取。     

紧邻建筑物大断面浅埋暗挖地铁隧道施工控制技术

北京地铁十号线一期终点折返线由于地处东三环,周边环境比较复杂,针对浅埋暗挖法施工过程中大断面折返线不同断面的开挖顺序以及楼房的防护措施进行模拟分析,优化确定合理的楼房保护措施和开挖方案,为工程顺利建设提供技术支持,并对以后类似环境条件下工程积累经验。