先期振动对高聚物胶凝堆石料动变形特性的影响

先期振动对土石坝地震变形影响显著。通过开展不同先期动应力作用下的动三轴试验,研究了先期振动对未加固堆石料和高聚物胶凝堆石料动变形特性的影响。结果表明:先期振动对未加固堆石料和高聚物胶凝堆石料的弹性轴应变无明显影响,但显著降低了其塑性轴应变;未加固堆石料和高聚物胶凝堆石料的残余变形在先期振动影响下显著减小,与未经受先期振动的试样相比,先期动应力为40%围压的试样,最大残余剪应变降低幅度和最大残余体应变降低幅度的平均值分别为48.1%和42.0%;先期动应力为80%围压的试样,最大残余剪应变降低幅度和最大残余体应变降低幅度的平均值分别为80.9%和71.6%。先期动应力幅值越大,再次经历动应力时未加固堆石料和高聚物胶凝堆石料产生的残余变形越小,抵抗变形能力提高越明显。最大残余变形的降低幅度与固结比、围压及高聚物含量无关。随后修正了沈珠江动残余变形模型,修正后的残余变形模型可以反映高聚物对堆石料残余剪应变和残余体应变的影响。与未经受先期振动的试样相比,先期动应力为40%围压的高聚物胶凝堆石料(高聚物质量比R_p=2%)的改进残余变形模型参数c₁和c₄分别降低了27.7%和61.2%;先期动应力为80%围压的高聚物胶凝堆石料(R_p=2%)的改进残余变形模型参数c₁和c₄分别降低了68.8%和79.3%。     

引水隧洞突涌段变形特征及控制关键技术研究

深埋引水隧洞突泥突水洞段注浆固结圈与初期支护结构作为协同承载结构,其荷载分担与变形控制对结构和施工安全有重要作用。为研究深埋引水隧洞突涌洞段围岩与支护体系稳定性,以滇中引水狮子山隧洞为工程依托,通过现场对围岩-支护监控量测与第二层型钢拱架受力监测,结合施工工况动态分析围岩-支护体系受力与变形,研究总结突涌段施工变形控制关键技术。研究结论:(1)深埋隧洞突涌洞段拱顶累计沉降17.4 mm,达预留值的17%左右;拱肩、拱腰累计收敛106.6 mm、98.1 mm,达预留值100%左右。(2)突涌洞段理论预测极限位移150 mm;现场监测评价设定阈值uo=100 mm,当达到2/3时,应采取加强措施。(3)最佳开挖方法为微台阶法。各级台阶长度控制在3 m左右,按“快挖、快支、快封闭”原则组织施工。(4)超前预支护管棚结构起到提高固结体刚度作用,较固结体提高约13倍。(5)双层支护结构强度、刚度增加,承载能力明显提高,施工安全性也得以提高。     

局部载荷作用下四边固支矩形板弹性解答及其应用

针对局部横向载荷作用下四边刚性固定矩形板,运用能量法推导出板中挠度解答方程组,利用Matlab编程求解,可计算得到任意矩形板尺寸及横向载荷尺寸下弹性阶段的变形,将结果与有限元数值解进行对比,证明了该方法的精确与快速性,并将该公式应用于极地船舶冰区加强区域外板强度的快速校核中。     

新机场管廊基坑邻近高速桥梁基础施工技术研究

新机场高速公路地下综合管廊大部分结构距在建新机场高速公路桥梁较近,基坑开挖过程易导致高速公路桥梁承台及桩侧土体外露,进而导致桥梁基础产生水平变位、不均匀沉降等现象,对高速公路后期运营产生极大的安全隐患。通过3组试验确定最优注浆参数,在管廊基坑开挖过程中对既有高速桥梁基础附近土体进行注浆加固,效果良好;通过对开挖过程中基坑、桥梁基础变形监测数据进行对比分析,对管廊基坑邻近桥梁基础开挖防护施工技术进行总结,为以后同类工程提供借鉴。     

兰新高铁甘青段路基冻胀自动监测及分析研究

为查明兰新高铁甘青段路基冻胀变形原因和影响因素,提出相应的冻胀处理措施,将路基冻胀变形控制在允许范围之内,采用自动监测系统,对路肩以下5 m范围内路基的冻结深度、水分、冻胀变形等进行监测,并对监测结果进行统计分析和深入研究。研究结果表明:路基冻结深度的发展主要受气温的影响,基床表层以下填料含水量随着冻结深度增加缓慢增加;基床表层及基床底层上部1.0 m范围冻胀量占总冻胀量的80%以上;低路堤地段冻胀最严重。为减少路基冻胀量,设计及施工时应采用全冻结深度防冻胀方案,以填料防冻胀为主,辅以防水、疏水和隔热等综合措施;低路堤地段防冻胀措施应适当加强。     

强化铁路检修车管理的思考

如何准确、均衡地扣修铁路运用车辆,既保证维修单位任务完成,又满足提高运输效率要求,是铁路运输管理的难点之一。本文以南宁局集团公司为例,总结分析针对检修车扣车不均衡、检修车超定量问题,采取集成数据,编制检修车管理指导子系统,强化检修车的监控与预测、扣车追踪、动态管控、均衡扣车等措施的落实效果,旨在为有效提升检修车管送能力,确保运输用车需求提供借鉴。     

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。