深圳九围河截污工程中电气设备自动化控制的特点及改进建议

根据该工程污水泵、启闭机等电气设备的运行特点和联锁保护要求,介绍了该工程电气设备自动化控制的特点、存在的问题及改进建议等。论证了泵站自动化控制系统工程的成功应用不仅可方便操作,降低操作人员的劳动强度,而且对泵站的安全、稳定、高效运行,减少设备故障,降低运行维护成本起着非常重要的作用,同时也提升了泵站运行管理工作的水平。     

南京长江隧道原型管片结构破坏试验研究

为探明南京长江隧道管片衬砌结构的破坏特征,采用"多功能盾构隧道结构体试验系统",对其原型管片衬砌结构进行了试验研究.将结构承受的水压力与土压力分离加载,并对大型水下盾构隧道结构在通缝和错缝拼装方式下的不同破坏特征进行了探讨.研究结果表明:南京长江隧道管片衬砌的破坏主要以弯曲开裂为主;结构裂缝扩展往往伴随着结构变形和纵缝张开量的显著发展;不同拼装方式的结构变形、裂缝扩展与纵缝张开量存在较大差异,与通缝拼装管片结构相比,错缝拼装管片结构变形、纵缝张开量较小,而裂缝扩展较快.     

大跨度钢桁拱施工阶段空间受力特性分析

根据大跨度钢桁拱的施工特点和施工工艺,对朝天门大桥进行施工阶段静动力分析,探讨了大跨度钢桁架拱桥施工阶段的空间静动力特性,验证了拱上吊机悬臂拼装法施工的可行性.     

城轨U梁与箱梁桥上无缝线路受力及桥梁固有振动特性分析

针对城市轨道交通中新型U梁及传统型式箱梁两种不同型式桥梁,分别从线路纵向阻力及桥墩水平刚度等方面,对桥上无缝线路钢轨受力、桥墩受力、桥梁挠度及两种桥梁固有振动特性等方面进行对比研究.研究结果表明:与箱形梁相比,U型梁的钢轨挠曲力较小,而桥墩受力较大.U型梁固有振动频率比箱型梁小,且U型梁的2阶横向振动出现较早.该结果为城市轨道交通设计提供理论参考依据.     

初始载荷对一端固支一端简支梁静力特性的影响

研究了初始载荷对一端固支一端简支梁静力特性的影响,得到了其静力计算的闭合解.引入了初始载荷影响系数以反映初始载荷的非线性效应,讨论了初始载荷的大小、梁的截面惯性矩和跨度对初始载荷影响系数的影响.结果表明:当存在初始载荷时,后续载荷所引起的静力反应会减小,其减小程度与初始载荷的大小和梁的刚度参数有关.建议在设计轻型及柔性结构时,对初始载荷的这种非线性影响予以适当考虑.     

公路桥梁橡胶支座的使用寿命与应用

橡胶支座已经被广泛应用于我国公路桥梁工程之中。为增强橡胶支座的使用性能和延长使用寿命,需合理地设计和选用橡胶支座,并重视质量、试验检测、设计选用、施工安装以及养护维修等因素。     

荧光反光膜的色度测定分析

根据物体色测试原理和荧光反光膜的光谱特性,分析荧光反光膜色度测试中存在的问题,提出在标准光源A照射下测试荧光反光膜色度性能的方法,对于推动道路交通安全的发展具有一定的作用。     

隧道噪声传播扩散规律及其检测方案探讨

隧道噪声是影响行车环境和安全的重要因素,掌握其传播扩散规律是开展噪声控制的前提和依据。通过理论与实测相结合的方法对隧道噪声大小、分布规律、混响时间及频谱特性进行研究,并对隧道检测方案进行探讨。研究结果表明： 1)隧道噪声大小在空间分布具有一定的规律性,沿纵向呈中间高两端低的分布规律,且在隧道进口前50 m增加迅速; 2)隧道横断面内的直达声是噪声的主要来源,一次反射声在其声聚焦处对噪声影响巨大,而混响声则恶化了隧道内的整体噪声情况; 3)隧道内噪声主要是中低频噪声且呈现明显的双峰状,低频和中频峰值分别出现在100 Hz和1 200 Hz附近; 4)隧道混响时间与隧道断面形状、边界平均吸声系数以及噪声频率有关,周长面积比越大、吸声系数越大以及噪声频率越高都会使得混响时间变小; 5)隧道噪声检测参数应包含A计权声压、噪声频谱特性和混响时间,具体测点布置应综合考虑隧道长度和横断面形式,并结合当前技术手段科学制定。     

隧道锁脚锚管受力测试方法试验研究

为研究隧道锁脚锚管在端头竖向荷载作用下的受力特性,采用了一种隧道锁脚锚管受力特性的测试方法--应变片外贴导线内引的电测法,该方法克服了钢管表面贴片易损坏、引线困难等难题。以工程上经常使用的长为3.5 m、直径为42 mm、壁厚为4 mm的热轧无缝钢管为例,系统介绍了测试锁脚锚管受力特性的试验设计方案,包括锁脚锚管管身轴向应变测试和管身弯矩测试。给出了锁脚锚管受力测试装置的设计与工艺,包括测力锚管的加工和温度补偿条的加工工艺。采用现场实测的方法,在某土质边坡对该方法进行了应用,将锁脚锚管安装在边坡土体中,然后在锁脚锚管端头加载,测试其受力状况。试验结果表明： 锁脚锚管受力测试装置安设完毕后,测点成活率达到100%;锁脚锚管端头垂直加载,管身最终变形和试验测试结果相吻合;该试验方法能够真实反映锁脚锚管的受力特性。     

基于贝叶斯网络的车辆换道模型

车辆换道行为是微观交通流中最基本的驾驶行为之一,研究车辆换道行为可以提高车辆换道模型的仿真精度和减少由不合适的车辆换道行为引发的交通事故.当前车辆换道模型大多是基于驾驶员的决策思维方式建立的决策模型,这类模型的缺点是很难捕捉到驾驶员在决策过程中一些潜在决策模式和考虑的影响因素.鉴于此,本文引入了一种典型的人工智能方法--贝叶斯网络,建立了一个全新的车辆换道模型,试图通过机器学习的途径来提高车辆换道模型的精度.采用了分段离散化的方法对数据进行预处理,然后使用处理后的数据对贝叶斯网络的结构和参数进行学习,并分别建立了与两种贝叶斯网络结构相对应的车辆换道模型,最后对建立的模型分别进行验证.模型的验证结果表明,建立的基于贝叶斯网络的车辆换道模型对换道行为的识别率可以达到88%以上. 此模型还可进一步应用到驾驶员辅助系统的开发中.