裂纹损伤对典型船体结构振动频率的影响规律研究

为研究裂纹损伤对典型船体结构振动特性的影响,选择加筋板作为典型船体结构,选择穿透性裂纹作为典型损伤形式。首先利用数值仿真和模型试验对带有裂纹的结构模型固有频率计算方法进行了研究,在此基础上针对边裂纹和中间裂纹2种形式进行了大量的仿真计算,得到模型各阶固有频率、频率变化率随裂纹位置和长度变化的规律。研究结果表明,结构各阶固有频率以及频率变化率对裂纹较为敏感,可以作为裂纹识别的特征参数。同时,试验和仿真计算结果数据也可以为裂纹损伤识别研究提供训练样本和验证样本。     

上海地铁3号线车轮踏面异常磨耗分析

介绍了上海地铁3号线车轮踏面的异常磨耗情况,对车轮踏面异常磨耗的原因进行了分析,并提出解决上海地铁3号线车轮踏面异常磨耗的若干建议。     

深水大直径超长桩基成孔技术

通过工程实例,研究了深水大直径超长桩基成孔施工技术,有效地预防了斜孔、扩孔、塌孔、缩径以及渗浆漏浆病害。对其它深水大直径超长桩基成孔施工中有一定的借鉴意义。     

陇南市三家地黄土地震滑坡形成机理研究

研究目的:5.12汶川大地震给人民生命财产造成了极大损失。震后10年内,将是次生地质灾害频发期。其中,滑坡是最为广泛、危害最大的灾害之一。正确认识地震诱发型滑坡形成机制,是防治设计的基础和依据。研究结论:以陇南三家地黄土地震滑坡为例,认为黄土泥岩顺层缓倾结构是此地震滑坡产生的内在因素,地处两构造交汇地带为滑坡形成提供内在动力,泥石流异常发育是滑坡形成的主要外部因素,而地震波传播方向与坡体应力场方向耦合、地震波与黄土显微结构的耦合及地震波与突发地下水异常的耦合是该滑坡形成的诱发因素。针对滑坡形成机理提出了防治建议,对认识地震诱发型滑坡形成机理,有效降低地震诱发的次生灾害,促进灾后重建工作有一定指导意义。     

基于交换式以太网的TCN仿真研究及分析

针对传统列车通信网络(Train Communication Network,TCN)难以满足下一代列车通信网络的带宽需求,提出了基于交换式以太网的TCN解决方案,建立了基于交换式以太网的列车通信网络拓扑结构和通信协议栈模型。在满足网络强实时性方面,进行了相关改进。然后通过VxWorks试验平台进行试验验证,结论是这种新方案在较大提高网络带宽的同时,能保证网络的确定性和实时性,能很好地满足传统TCN网络传输数据的要求,证明了基于交换式以太网列车通信网络代替TCN的可行性。     

大庆至广州高速公路河北段路线优化中

大广高速公路河北段路线长,地质条件十分复杂,在工程前期设计中通过对路线的优化,很好地解决了地基处理问题和环境保护问题,值得同行借鉴。     

两种算法在公路评标中的运用对比

选择正确的承包商直接影响业主的利益和工程质量,在我国,评标方法已经有一定的发展,其中以GRA算法及最小隶属度偏差法为代表,通过介绍两种算法运用在评标过程的思路及计算步骤,对其进行分析比较,指出其相同点和不同点。     

厦漳跨海大桥南汊主桥桥塔设计

厦漳跨海大桥南汊主桥为主跨300 m的双塔结合梁斜拉桥.对H形、钻石形、菱形和宝瓶形等塔形进行比选,最终确定该桥桥塔采用改进的H形钢筋混凝土桥塔(上塔柱竖直,中塔柱倾斜,下塔柱外侧面竖直、内侧面倾斜).桥塔塔柱采用矩形空心截面,在塔底设置高4.0m的实体段;钢锚梁采用开口箱形截面;塔柱横梁为全预应力混凝土结构,箱形截面;承台采用哑铃形截面;桥塔基础采用钻孔灌注桩群桩基础.为检验桥塔受力,对裸塔和全桥进行整体计算,并采用ANSYS和MIDAS分析桥塔关键部位局部受力.分析结果表明,桥塔各部位受力均满足规范要求,并有一定的安全储备.     

超大型沉井首次下沉关键问题研究

结合目前世界上平面尺寸最大的矩形沉井的建设,采用有限元分析和现场监控等手段.对沉井下沉方式、开挖方案、接高高度、地基承载力、下沉和稳定性间的关系进行了研究.排水下沉在施工效率和开挖可控性等方面优于不排水下沉,当有充足降水能力和对周边重要建筑物影响不大时优先采用.在结构受力方面,开挖形成的锅底越大隔墙墙底所受拉力越大;采...     

基于Kinect深度虚拟线圈的夜间车流量检测

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法.首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM).然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别.实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7 ms.