露天采矿边坡临界滑动面搜索蚁群算法研究

基于蚁群算法并通过改进蚁群算法结构和蚂蚁转移概率确定的方法，构造了一个适应复杂边坡临界滑动面搜索的启发式蚁群算法（HACA）。研究了极度干旱地区露天采矿场岩体的物理力学特性，探讨了HACA在采矿边坡临界滑动面搜索和稳定性分析评价中的应用。结果表明，与传播方法相比。其方法具有明显的优越性。     

钻探用复合片抗动载性能的测试方法

对国内外现有的钻探用复合片抗动载性能的4种检测方法进行了分析、评价。分析了钻探用复合片的受力情况，提出了其较为合理的抗动载性能的测试方法——冲击疲劳强度法。并为复合片抗动载性能测定仪的研制提出了可参考的依据。     

水泥土墙支护结构遗传进化优化设计方法

探讨了水泥土墙支护结构优化设计方法,建立了以水泥土墙的有效宽度、嵌固深度和置换率为决策变量的优化设计模型,提出了水泥土墙支护结构参数遗传进化优化设计计算方法,讨论了设计计算参数对优化计算结果的影响。并给出了两个工程计算实例,计算结果表明本文方法可得到既安全可靠又经济合理的最优设计方案。     

基于HGA-ANN驱动边坡稳定评价T-S型模糊推理系统

边坡工程的分析评价会因人脑在思维判断上存在的模糊性,而导致整个分析和设计过程带有一定的模糊不确定性。因此,边坡工程实际上是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。模糊方法和人工神经网络(ANN)都已分别用于边坡稳定性评价中,此2种方法具有很多优点,但也存在各自的局限性。采用人工神经网络(ANN)模型构建T-S型模糊推理系统,利用混合遗传算法(HGA)训练ANN模型,得到了基于混合遗传算法人工神经网络驱动的T-S型模糊推理系统模型,探讨了该模型在边坡稳定性评价中的应用。根据广泛收集的80个边坡实例,建立了一个由HGA-ANN驱动的评价边坡稳定性的T-S型模糊推理系统模型。对实际边坡预测结果表明,该模型的预测精度明显高于目前同类方法。     

关于“遗传算法在土钉支护结构优化设计中的应用”的讨论

学习了贵刊 2 0 0 1年第 5期发表的“遗传算法在土钉支护结构优化设计中的应用”(作者 :贺可强 ,阳吉宝 ,王胜利 ,以下简称“原文”)一文 ,颇受启发 ,有些疑问提出与原文作者讨论。 (1)关于最小稳定系数问题边坡等的最危险圆弧滑动面位置一般由三个参数确定 ,即圆心位置的两个坐标及圆弧半径 ,而原文中却只用遗传算法求出了圆心位置的两个坐标 ,并没有求出圆弧半径 ,应该说此时圆弧滑动面并不能确定出来 ,如果圆弧滑动面仅由圆心位置确定 ,此时应作滑动面过边坡坡角等一些假设 ,而原文中没有。从原文图 1来看 ,原文中似乎隐含了圆弧滑动面过坡角的假设 ,如果是 ,那么此假设的依据是什么 ,是否     

红砂岩地区某加筋土挡土墙凸形拐角鼓胀病害分析

对某红砂岩地区加筋土挡土墙鼓胀病害实例进行介绍和分析。首先介绍加筋土挡土墙的原设计情况,然后介绍该挡土墙凸形拐角处发生的上部面板鼓胀现象及变形量测结果。紧扣加筋土挡墙凸角区特点,分析凸角区鼓胀变形的原因:第一,在分析凸角锚固区筋带拉力增长系数与凸角长度关系的基础上,认为锚固区筋带作用合力增大是鼓胀变形的主要原因;第二,通过分析筋-土锚固特点,认为凸角区因筋带重叠导致筋带间土体水平位移增大、筋带自由段长度增大,导致筋带变形增大是鼓胀原因之二;第三,认为凸角段地形为边坡稳定不利地段,是凸角段挡墙面板容易产生鼓胀的原因。     

锚杆锚固体与土体界面特性室内测试新方法

为了更真实地反映锚杆受拉时锚固体与土体界面的特性,较准确地获得包含界面剪切残余段的剪应力–位移(?–s)全过程曲线,自行研发了一种锚–土界面摩阻性能测试仪及相应的锚杆拉拔试样制作装置和方法。该测试仪器和测试方法简便易行,可成批模拟多种环境条件进行室内锚杆拉拔试验。利用该仪器完成了4批次27个不同条件的锚固体拉拔试验,深入研究了锚固体养护龄期、拉拔速率等因素对锚–土界面剪切强度特性的影响,提出了一种锚–土界面?–s全过程本构模型。研究结果表明:界面剪切强度在锚固体养护14 d后增长缓慢;锚杆以0.1~2.5 mm/min拉拔时,速率对剪切强度的影响不大;提出的锚–土界面模型计算曲线与试验曲线吻合良好。     

刚-柔性桩复合地基在杂填土地基中的应用

通过对刚-柔性桩的设计思想、设计计算的阐述,了解这种地基处理方法的基本原理.通过工程实例,阐述了其应用.     

露天采场边坡可靠度优化分析及其应用

在可靠性理论和优化方法的基础上，提出了一种适用于露天矿采场圆弧滑动形式边坡的可靠度优化分析方法，简述了此法在新疆雅满苏铁矿的应用，并对边坡可靠指标β与边坡几何形状参数及安全系数Ｋ之间的关系进行了探讨。     

自适应蚁群算法及其在边坡工程中的应用

蚁群算法目前多用于求解组合优化问题，为了让蚁群算法能求解复杂的边坡稳定性分析问题，对基本蚁群算法的结构形式和蚂蚁转移概率的计算进行了改进，针对蚁群算法在演化过程中存在停滞和过早收敛的现象，引入一种自适应搜索算子，改变蚂蚁的选择机制，提高蚂蚁选择的多样性，并由此构建了一种新的蚁群算法——自适应蚁群算法(AACA)，研究了AACA在边坡非圆弧临界滑动面搜索中的应用，所给出的算例结果表明：与基本蚁群算法相比，可有效地防止停滞和过早收敛现象，并总能搜索到问题的全局最优解，且搜索效率也有较大的提高。