相依性条件下滨海软土隧道盾构施工渗漏水风险评价

滨海地区多为海相和湖相沉积的软土,施工难度大,渗漏水病害多发,因此,应对盾构施工过程的渗漏水风险进行评价来保证隧道安全施工。构建渗漏水风险评价三级指标体系,将云模型与Copula函数结合,基于Copula函数对于风险指标中相关风险因素的相依性处理,云理论对于定性与定量概念的处理与转换优势,构建相依性条件下的二维和三维云-Copula模型。以宁波市轨道交通1号线为例,利用云-Copula模型计算二级指标对于各个风险等级的隶属度,确定危险性较大的二级指标为注浆质量、止水条、衬砌混凝土自防水。利用D-S证据理论进行证据融合确定该检测区段渗漏水病害的风险状态为安全,但有向基本安全状态发展的趋势。通过对危险性较大的指标加强监控,使渗漏水得到有效控制,为软土盾构隧道施工过程中渗漏水病害的风险评价与管理提供了一种新的方法。     

川藏铁路昌都至林芝段主要工程地质问题分析

川藏铁路昌都至林芝段穿越藏东横断山区和藏东南高山峡谷,走行于印度板块与欧亚板块挤压形成的南迦巴瓦东构造结附近,地形环境极其艰险、地质构造极其活跃、不良地质极其发育。分析拟建铁路沿线的工程地质环境特征,提出了影响铁路建设的主要工程地质问题。研究表明:拟建铁路具有"九极"工程地质环境特征,极为复杂的宏观地质环境孕育了岩爆和软岩大变形、高地温、深大活动断裂带、高位滑坡崩塌、泥石流、溜砂坡(岩屑坡)、雪崩、冰害、生长期高陡卸荷岸坡、放射性、有害气体等工程地质问题,针对不同的工程地质问题,因地制宜地提出防治措施。针对上述工程地质问题,在拟建铁路的勘察设计过程中,本着以科学研究为先导原则,探索复杂艰险山区勘察方法手段的革新,利用新技术、新方法、新设备,研究重大地质灾害和问题的评估技术。     

深埋风积沙隧道施工工法及围岩变形特征研究

风积沙作为一种抗剪能力弱、黏聚力低、自稳能力差的土体,隧道开挖时围岩变形难以控制,研究风积沙隧道的围岩变形特征及其适用的施工工法则显得尤为重要。依托蒙华铁路王家湾隧道穿越风积沙段,通过室内试验得到相关参数,采用有限差分法进行数值模拟,对比分析有无水平旋喷桩加固两种工况的围岩变形和塑性区发展,从而得出三台阶法、三台阶临时仰拱法、三台阶七步法、CD法以及双侧壁导坑法5种工法的变形特征和水平旋喷桩的加固效果。研究结果表明,(1)在无水平旋喷桩加固围岩的情况下,双侧壁导坑法最适用于大断面深埋风积沙隧道,但其控制效果仍然不能满足变形要求;(2)采用水平旋喷桩加固后,三台阶加临时仰拱法最适合于大断面深埋风积沙隧道;(3)水平旋喷桩与三台阶加临时仰拱法结合能够有效控制围岩变形;(4)水平旋喷桩能够显著控制上半部分围岩变形大小,并减缓全环围岩变形速率,但对下半部分围岩变形大小控制不明显。     

成都地铁13号线客流特征及速度目标值选择分析

随着城市化进程的快速发展,市域快速轨道交通系统将成为联系城市中心区、外围组团和卫星城,解决市域范围交通拥挤的重要交通方式,确定合理的速度目标值是市域快速轨道交通系统项目设计的基础。速度目标值与线路长度、客流特征、站间距离以及服务水平密切相关,直接影响土建工程规模及设备系统的选择。以成都地铁13号线工程为依托,分析了13号线的客流特征,根据其功能定位确定了合理的时间目标值,并从站间距离、线路条件、时间目标值、经济成本以及社会效益等多方面,对13号线速度目标值方案进行综合比选,进而确定13号线合理的速度目标值为140 km/h,并提出在总体速度目标值基础上,在中心城区范围内限速运行。     

GIS-BIM在铁路工程建设管理中的应用研究

针对当前铁路工程项目地域广泛、工程复杂,传统的管理模式不能满足多维信息的共享与管理,开展基于GIS-BIM技术在铁路工程建设管理中的应用研究。采用快速建模方法构建大范围三维铁路工程结构物;通过基于数据转换的GIS-BIM融合技术实现铁路工程建设和工程结构的精细化管理;基于倾斜摄影技术,快速真实描述客观场景。利用GIS-BIM技术,构建工程建设环境,工程模型的三维场景,工程结构物模型,实现模型和铁路工程建设项目信息共享与集成、铁路工程建设项目信息化管理。基于GIS-BIM技术构建的铁路工程建设地理信息系统在郑万（郑州南站—万州北站）铁路试点应用,效果良好,此研究可为铁路工程建设信息化、可视化管理提供参考。     

基于Matlab的牵引变压器故障智能诊断方法研究

应用数据融合技术、模糊神经网络及遗传算法构建牵引变压器故障智能诊断模型,通过Matlab软件对该模型进行仿真,训练模糊神经网络以确定其结构和权重,并通过典型实例验证该模型在牵引变压器故障诊断中具有良好的故障诊断性能。     

一种全部属性聚类和特征属性聚类相结合的无监督异常检测模型

为提高无监督异常检测系统的检测率、误报率和检测效率,将数据集划分为不同的服务集,然后对每个服务集数据包进行全部属性聚类和部分相关属性聚类(即特征属性聚类)并比较训练结果,取其中训练性能较优的方法建立对该服务的检测模型。检测实验表明,本文模型的检测率达到99.21%,误报率降低到2.2%。与不加服务划分的模型相比,本文模型的训练时间和检测时间分别降低为相应模型的21.17%和21.98%。与其他检测算法的比较结果也表明,本文模型在检测率和误报率方面具有更优的性能。     

内燃机车状态监测系统设计

内燃机运行状态监测系统基于柴油机瞬时转速信号的气缸状态监测,辅以柴油机进气温度和增压压力信号、发电机电压电流信号、油门拉杆位移信号及机车速度信号,进行多参数融合诊断;再将诊断结果及状态数据通过GPRS无线通信模块发送至地面数据库,实现内燃机车动力系统在线状态监测与故障诊断、节能降耗与维修管理。系统结合数据库专家系统,分析机车运输组织、质量状态和能耗状态,提出维修维护及运输组织优化建议,实现内燃机车动力系统高效营运和安全管理。