某水电站拱坝施工期温度仿真分析

拱坝施工期的温控防裂研究是设计和施工期需要特别关注的问题之一.采用三维有限单元法对某水电站拱坝碾压混凝土坝段和常态混凝土坝段的施工期温度场进行仿真分析.计算结果表明,薄层浇筑的层面散热效果好,层厚超过3 m后效果不明显;不同季节的层面散热效果差异较大,浇筑气温越低,层面散热效果越好;常态混凝土溢流坝段自由冷却时间较长,须采取坝体二期冷却措施,以保证按期进行接缝灌浆.     

宝珠寺重力坝地震前后渗流原观特性对比分析(灾后重建专刊)

宝珠寺重力坝位于"5·12"特大地震的六大重灾区之一的四川省广元市境内,是接近震中库容最大的电站.监测数据显示地震后大坝坝体结构完整,个别坝段横缝有挤压现象;通过扬压力测值序列和扬压力折减系数的计算分析得出.大坝坝基扬压力无明显变化,只有个别测点测值有小幅波动;测值序列显示大坝渗漏量在震后明显增大,随后减小并呈现出逐步降低的趋势;从渗压等值线及矢量图分析得出震后大坝库区地下水位无明显变化,渗压空间相对稳定.在对大坝监测资料在地震前后对比分析和现场调查的基础上,分析了震后大坝渗流在发生变化的原因,对大坝防渗系统的工作状况做出了基本判断.     

水下控制腔内部自然对流换热特性及其影响因素研究

海洋装备电子控制腔有效散热能力是其持续工作的重要保证。以含内热源的封闭腔体为研究对象,采用基于Boussinesq近似的零方程模型对腔内空气的湍流自然对流进行建模,并使用有限体积法完成数值计算,分析了腔体内部温度分布和空气流动规律。结合控制腔功能设计要求,着重讨论了热源不同位置,铝合金隔板厚度和间距等因素对气密腔体内自然对流散热效果的影响规律。研究的结果为海底长周期运行装备控制腔热设计提供了参考依据。     

水下控制腔内部自然对流换热特性及其影响因素研究

海洋装备电子控制腔有效散热能力是其持续工作的重要保证。以含内热源的封闭腔体为研究对象,采用基于Boussinesq近似的零方程模型对腔内空气的湍流自然对流进行建模,并使用有限体积法完成数值计算,分析了腔体内部温度分布和空气流动规律。结合控制腔功能设计要求,着重讨论了热源不同位置,铝合金隔板厚度和间距等因素对气密腔体内自然对流散热效果的影响规律。研究的结果为海底长周期运行装备控制腔热设计提供了参考依据。     

立洲RCC拱坝蓄水过程应力变形特性分析

基于立洲RCC拱坝温度场全过程仿真分析成果,考虑施工期残余应力,分析大坝蓄水过程中在温度荷载、水荷载、渗透压力和自重作用下坝体应力变形特性及发展规律,探寻真实工作状态下与设计荷载作用下大坝应力特性差异,并结合类似工程蓄水监测成果对立洲大坝的蓄水安全情况进行分析和评价。分析结果表明,大坝实际应力、变形性态与传统算法结果相比差异显著,大坝在蓄水过程中处于弹性范围内,工作状态正常。     

基于稳健估计的大坝监测数据粗差识别方法

大坝安全管理已逐步由粗放型向信息化转化，然而传统的误差识别技术识别精度不高，造成大量异常数据进入原始信息库，导致后期分析结论的偏离，成为信息化建设的制约因素。为此，提出了基于稳健估计的大坝监测数据粗差识别方法，即以稳健MM回归替代传统建模方式，同时结合MCD稳健估计确定异常识别阈值，并实现了程序编制。实例应用结果表明，该方法能有效避免由于异常值存在而导致的模型崩溃及阈值失效，且识别更加可靠。     

宝珠寺水电站大坝接缝震后监测资料分析

为了评估“5· 12”地震后宝珠寺水电站的安全性,基于接缝开合度观测资料,运用混凝土坝安全监控理论,对宝珠寺混凝土重力坝电站3个典型坝段接缝开合度情况进行了定性分析,并建立GM - PLS组合模型,对其进行定量分析.监测资料的定性分析揭示了该电站典型坝段接缝开合度的变化规律;模型拟合程度较好,拟合结果进一步解释了影响该电站接缝开度的物理成因,通过地震前后监测资料对比分析,表明“5· 12”汶川大地震对宝珠寺水电站安全性无较大影响.     

纤维与气流耦合的数值模拟

结合纤维的本构方程与气流控制方程,建立二维的纤维与气流耦合方程。采用相容时间积分与迭代耦合算法,对纤维在喷气织机主喷嘴中拉伸弯曲运动特性、纤维受力情况以及与壁面接触时的微观运动特性进行研究。结果表明:纤维在气流的作用下会产生拉伸弯曲变形,呈现正弦或者余弦形式波动;纤维在自由端的弯曲变形效果比在约束端的明显;纤维受到气流作用时,最大应力值往往发生在纤维弯曲部位以及与壁面相接触的部位。     

基于混沌理论与SVM的内燃机振动信号趋势预测

针对内燃机振动信号信噪比低且呈非线性、非平稳的特性,提出将经验模态分解(emprical mode decomposition,简称EMD)相空间重构理论与支持向量机(support vector machine,简称SVM)相结合,实现内燃机振动监测数据的建模及预测.首先,将含噪声的振动信号经验模式分解,去掉主要干扰因素所对应的固有模态函数(intrinsic mode function,简称IMF)分量,再将剩余IMF分量进行重构,得到去噪声后振动信号时间序列;然后应用混沌理论,选择合适的嵌入维数和时间延迟对去噪后的振动信号时间序列进行相空间重构;最后采用SVM对其进行建模预测,并与径向基函数(radial basis function,简称RBF)神经网络的预测结果进行比较.试验数据表明,该方法能够预测内燃机振动信号的变化趋势,性能优于传统的分析方法,具有一定的工程实用性.