预应力多跨混凝土连续板桥在老龙口水利枢纽中的应用评价

文章就预应力多跨混凝土连续板桥在老龙口水利枢纽中的实际应用,通过对河道平槽流量的推求和建桥后桥址处河道过流能力的计算分析,确认该结构形式对河道过平槽流量无大影响。     

基于电源、地桥的电源网络布线后优化

随着集成电路规模的不断增大,电源网络的重要性日趋显著,电源网络的分布直接影响芯片的电压降(IR-drop)。一种布线后通过在空闲处插入电源桥和地桥的方法,可以在不增加芯片面积的情况下,改善IR-drop效应。实验结果表明在芯片布局利用率不高的情况下(70~75%),该方法可以使IR-drop得到明显的优化。     

SCB火工品的研究与发展

文章评述了半导体桥火工品问世以来的研究成果与发展趋势。主要内容有半导体桥作用机理、半导体桥的结构与封装、半导体桥火工品的特点、半导体桥火工品的应用、半导体桥火工品的研究和发展趋势。     

300km/h高速铁路PC槽型梁动力试验研究

介绍北方交通大学与比利时鲁汶大学、布鲁塞尔自由大学、比利时铁路公司合作,在巴黎至布鲁塞尔之间高速铁路线上的Antoing大桥进行的二次高速铁路桥梁动力试验。试验桥梁由跨度50m的多跨预应力混凝土简支槽型梁构成,试验中列车速度达265-310km/h。通过现场试验和实验结果分析,得到了桥梁的频率、振型、阻尼等自振特性,以及桥梁在高速列车作用下的动挠度、梁和桥墩的横向和竖向加速度、橡胶支座的相对位移、梁体的动应变等动力响应特性。试验经验和测试结果对于充实高速铁路桥梁动力分析理论、改进数值分析模型、验证计算结果、提高高速铁路桥梁的动力设计水平、保证行车安全,具有重要的意义。     

ㄇ形梁剪力滞效应的解析解

精确分析ㄇ形梁在纵横向荷载共同作用下,其横断面上正应力分布规律对于计算其有效宽度有重要意义,应用力法原理,先将ㄇ形梁和翼板截开成矩形截面梁和平面应力板,在截面上代之以赘余的分布剪力,对于平面应力板,通过利用板变形的对称性来简化其边界条件,然后假设一个满足板的控制方程的Airy应力函数求得板的应力和位移,再利用Timoshenko梁理论求得梁的挠度和转角,根据截面上梁与板的纵向位移相等的变形协调条件便可最终确定截面上的分布剪力,给出的数值算例验证了方法的有效性,并与铜陵长江公路大桥主梁的模型有限元结果和试验结果作了对比,解析解法还可用来检验其他各种数值计算方法的精度,并可推广到其他多跨薄壁结构梁桥的膜应力分析中。     

交通平衡分配下的公路桥收费策略

假定一个城市被一条河流分为两部分（如我国的武汉，重庆等市），河上至少架设了两座公路桥梁，本文研究在交通平衡状态下，怎样制定车辆过桥梁的收费水平，使获得的总收入最大，乘客的总行驶时间最少，对多车种问题，研究了等价的数学模型和算法。还对一个含两座桥梁与三种车型的简单算例，进行了计算与分析。     

特大型桥梁工程地质勘察区域地壳稳定性研究

重大工程区域地壳稳定性研究，是工程前期工程地质勘察的重要内容之一，并越来越多地为工程建设所重视。大桥工程地质勘察以往对此涉及较少，也无明确的统一规定，以长江上所建特大桥为例，对此项工程作了些探索性的研究，重点研究的问题是：区域构造环境及构造变形，地壳结构和深部构造，新构造活动，断裂活动，地震活动等，为大桥建设宏观决策和抗震设计提供依据。     

佛山市中心组团桥梁群对河道影响的数值分析

在不同频率流量和阻水程度条件下,采用一维明渠非恒定流网河数学模型,分析规划中的佛山市桥梁群对区间河道洪季行洪、枯季水环境的影响,计算洪季不同频率洪峰流量下规划桥梁群对区间河道行洪洪水位、分流比的影响,枯季时规划桥梁群对区间河道过流量、分流比的影响,结果表明,利用一维网河数学模型计算佛山市中心组团规划桥梁群对区间河道断面平均水位、流量和流速的影响,结果有足够的数值精度,是可信的。     

主跨348m+348m三塔单索面PC梁斜拉桥

宜昌市夷陵长江大桥采用三塔斜拉桥，总体布置为(128．08 348 348 120．35)m。介绍了该桥的合理性及结构特点。     

Neural networks for contract bridge bidding

The objective of this study is to explore the possibility of capturing the reasoning process used in bidding a hand in a bridge game by an artificial neural network. We show that a multilayer feedforward neural network can be trained to learn to make an opening bid with a new hand. The game of bridge, like many other games used in artificial intelligence, can easily be represented in a machine. But, unlike most games used in artificial intelligence, bridge uses subtle reasoning over and above the agreed conventional system, to make a bid from the pattern of a given hand. Although it is difficult for a player to spell out the precise reasoning process he uses, we find that a neural network can indeed capture it. We demonstrate the results for the case of one-level opening bids, and discuss the need for a hierarchical architecture to deal with bids at all levels.