基于有限元的低成本塔桅设计及承载能力分析

为研究铁塔公司发布的最新《低成本铁塔标准图集V1.0》的共享改造能力,文章选取了单斜撑三管塔0.65 kN/m2基本风压下的系列塔图,从各塔段的主管应力比和塔顶位移角两个角度,考虑新增天线设备、馈线、爬梯荷载,以及天线设备之间的相互遮挡,利用有限元软件SAP2000对每种塔型进行了常规设计分析和改造增载后的研究分析.由分析结果可知,每种塔型均有可共享改造能力,且随着塔身高度的增加,共享改造的能力逐渐降低.     

预拌流态固化土在深基坑回填工程中应用

北京朝阳医院东院医疗综合楼基坑开挖面积3.64万m2,最大开挖深度16.25m,采用上部土钉墙+下部桩锚联合支护,地下结构边线距护坡桩距离仅0.8～1.0m,肥槽回填工作面小,安全隐患大,雨期回填土质量难以保证.对此,肥槽采用预拌流态固化土回填加快了施工进度,缩短了施工周期,质量稳定无污染,降低了安全隐患.     

新型绿化用结构土在大型主题公园中的应用

北京某文旅主题公园项目施工中,针对临近道路承载影响植物根系发育和植物根系发育过程中对面层破坏的问题,研究新型环保绿化用结构土技术.使用碎石、粘壤土、土壤改良剂、水等材料的最佳配合比,制成了一种新型绿化用结构土,既满足了硬质路面承载要求,又满足了植物根系地下环境生长需求,还提高了海绵城市效能.     

东非地区沼泽土路基施工处理方法研究——以乌干达波特尔堡-希马公路项目为例

从分析沼泽土的工程特性、危害和国内常见处理方法出发,通过乌干达波特尔堡-希马公路改建项目采用抛石挤淤法处理常年性沼泽路基的工程案例阐述该项目沼泽路基处理方案选用与施工。现场静载试验检测点极限竖向承载力达到承载力特征值2倍左右和现场堆载试验最大沉降量为200 mm可验证处理后路基承载力和变形符合要求。     

自重湿陷性黄土地基预钻孔浸水处理的可靠度设计方法

为解决传统预浸水法存在的浸水时间长、浸水处理范围难以确定等不足,基于土体中水分运移规律,依据可靠度理论、极限状态设计方法及复合 Poisson 过程原理,提出一种消除黄土湿陷性的处理浸水方法——预钻孔浸水法。给出了利用预钻孔浸水法对自重湿陷性黄土地基进行浸水时,水平向及竖直向浸水影响范围的确定模型;在此基础上结合达西定律给出了浸水孔设计参数如孔深、孔间距及浸水孔个数的确定方法。结合铜川某工程,设计进行了现场预钻孔浸水试验,对该方法的合理性进行了验证,并通过现场钻探、现场勘探、室内湿陷性试验等方法对该方法的处理效果进行了评价。该浸水方法具有浸水时间短、浸水影响范围可根据浸水孔布设进行控制等优点,且浸水处理效果良好,完全符合施工要求。     

基于近红外光谱的橙汁中酸土脂环酸芽孢杆菌的生长预测

酸土脂环酸芽孢杆菌（Alicyclobacillus acidoterrestris）是引起橙汁劣变的主要微生物，为研究酸土脂环酸芽孢杆菌在橙汁中的生长规律，利用近红外光谱获取橙汁中酸土脂环酸芽孢杆菌含量的信息，采用标准化（autoscale）、多元散射校正（multiplicative scatter correction,MSC）、标准正态变换（standard normal variate,SNV）、去趋势化（detrend）对光谱进行预处理，结合化学计量学，构建近红外光谱与酸土脂环酸芽孢杆菌含量预测模型。在此基础上，将近红外光谱转换为酸土脂环酸芽孢杆菌预测菌落数据，并采用“一步法”直接基于预测菌落数构建橙汁中酸土脂环酸芽孢杆菌的生长模型。结果表明，利用标准化进行光谱预处理建立的偏最小二乘（partial least squares,PLS）模型对橙汁中酸土脂环酸芽孢杆菌含量的预测效果相对较好，其预测决定系数（prediction determination coefficient,Rp2）与预测均方根误差（root mean square error of prediction...     

采场残坡积土抗剪强度及边坡时效稳定性研究

在露天采场边坡后期运行维护中,经过长期的露天开采,形成较大的深凹边坡,原先的岩体逐渐风化为 土石料,堆积在边坡上,形成一定厚度的残坡积土层。 残坡积土层在宏观时间上表现为欠固结土,强度较弱,易受外界 因素影响,其中雨水侵蚀影响较为严重。 本次研究以永平铜矿东帮采场边坡的残坡积土不同含水率为主要因素,分 别在不同月份时间上采集土样,在不同的含水率时,得出其抗剪强度。 然后根据不同季节的抗剪强度,分别研究残坡 积土层边坡的时效稳定性。 研究得出:残坡积土的抗剪强度随含水率的增加而降低;边坡稳定性因强度不同,时效规 律表现为旱季稳定性较雨季好;残坡积土层边坡破坏模式为单台阶向多台阶发展渐进破坏。 通过对残坡积土取样和 室内试验,研究了永平铜矿东帮采场残坡积土边坡的抗剪强度和边坡时效稳定性规律,为边坡后期安全管理提供 依据。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。