高强灌浆材料结合卡箍在导管架受损构件加固中的应用

以南海某海域一施工船与四桩导管架基础发生碰撞为背景,结合当前研究对导管架受损区域的承载力进行分析,计算得到受损截面凹陷处的轴向承载力和极限弯矩。简述海洋工程领域中受损构件的加固修复方法,探讨卡箍技术的理论研究现状及其在实际工程中的应用现状。基于典型灌浆卡箍修复技术提出一种采用80 MPa高强度灌浆材料结合卡箍技术进行加固修复的新方案,并采用有限元软件对加固后的组合结构进行数值模拟。仿真结果表明,该组合结构可有效改善导管架受损区域受力状况,提高结构的承载力。简述该方案的施工流程,以期为实际工程提供参考。     

深水海上风机吸力桶导管架基础承载特性

针对海洋深水环境,设计适应70 m水深的四桶导管架结构形式,并在此基础上设计相同高度和主腿斜度的三桶导管架基础。采用Abaqus有限元软件建立导管架结构-吸力桶-土体整体有限元模型,通过对比分析探究海上风电深水吸力桶导管架基础的承载力特性。研究发现：吸力桶与土体的位移一致性程度可反映基础水平极限承载力大小,四桶导管架基础的综合承载特性优于三桶导管架基础;加载高度对四桶导管架基础的水平承载力特性有重要影响,基础水平承载力随着加载高度增加逐渐减小;加载方向对四桶导管架基础水平承载力影响较小。     

伏安酶联免疫分析中一类新的HRP底物体系的初步研究

提出了以酚红、１,２,５,８－四羟基蒽醌、１,８－二羟基蒽醌三种染料类物质作为电化学酶免疫分析中辣根过氧化物酶（ＨＲＰ）催化氧化反应的底物,这三种具有电化学活性物质,在ＨＲＰ的催化作用下,被Ｈ２Ｏ２氧化生成非电活性的产物,导致测定的电流下降,其减少程度和ＨＲＰ的浓度有一定的关系,从而建立了三种底物测定ＨＲＰ的新体系,比较了它们测定ＨＲＰ的灵敏度,对酶催化反应机理进行了初步的探讨。     

伏安酶联免疫分析测定方法的改进

对伏安酶联免疫分析的测定方法进行了改进 ,在酶联板的孔中直接加入强酸或强碱 ,这样既可以中止酶催化反应 ,又可以调节测定所需的支持电解质的 pH值 ,采用自制的微型化三电极系统极大的方便了测定 ,可直接在酶联板中进行测定 ,并用OPD -H2 O2 -HRP体系进行了验证。     

薄层光谱电化学法测定联苯胺的电极反应常数

采用薄层光谱电化学法,以三电极系统在酸性介质中对联苯胺进行薄层电势电解,同时测定吸收光谱,由Ｎｅｒｎｓｔ方程得到反应过程中的电子转移数ｎ和式极电位Ｅ０。     

水中多环芳烃(PAHs)的反相高效液相色谱分析

七种PAHs在反相高效液相色谱中有很好的分离效果 ,本研究采用紫外检测器 ,使此方法有更广的应用范围 ,对水环境的监控更加方便 ,具有很好的实际意义。     

返回舱水上冲击特性的试验研究与理论计算

本文通过相似缩比模型的撞水试验,得到了返加舱水上降落时的冲击载荷与入水深度,并用理论分析的方法对返回舱的水上冲击特性进行了计算,证实了理论预报的可行性。     

内燃机气缸盖瞬态温度场数值模拟

分析了内燃机不稳工况的热负荷及测点在起动、突然加载工况的温度变化规律,进而得出边界条件的变化规律,由此用有限元法对缸盖温度场进行数值模拟,模拟结果与实测基本吻合．该分析方法具有通用性,温度场结果可为计算热负荷提供依据．     

利用低场磁共振弛豫测孔技术预测水泥基材料的水分渗透率EI北大核心CSCD

为深入揭示水泥基材料渗透率与孔结构间的关系,以不同水灰比、不同温度水养的白水泥砂浆为研究对象,利用低场磁共振与压汞技术分别测试了砂浆在饱水与干燥状态下的孔径分布,并利用稳态渗透法测试其水分渗透率。结果表明:砂浆在饱水与干燥状态下的孔结构差异显著,临界孔径相差1个数量级左右,原因在于水化硅胶钙(C-S-H)凝胶具有显著的水敏性。经历56 d 80℃热水养护后,由于C-S-H凝胶高温老化加速,饱水砂浆的孔隙率及临界孔径显著增大,孔结构明显粗化,水分渗透率增大,对耐久性不利。干燥预处理对压汞测试所得孔结构的影响可能远超高温老化,在分析孔结构变化时必须考虑水敏性的影响,否则可能得出错误结论。将孔隙视作不同大小的毛细管束,经典Kozeny-Carman模型可基于低场磁共振测试所得饱水孔径分布曲线来准确预测水分渗透率,将比例系数取为1.09所得理论值与实测值的相对误差在[–42.7%,71.1%]范围内,预测精度接近极低渗透率测试的误差水平。     

基于VMD的智能机器人语音信号特征参数提取方法

提取智能机器人语音信号特征对于确保机器人正常运行有关键性意义。为了有效缩短特征参数提取时间,提高提取准确率,提出了基于VMD的智能机器人语音信号特征参数提取方法。利用VMD技术建立语音信号的脉冲数字模型,分析实时性系统频率,确定信号传递函数。采用VMD特有的分子程序化模式,将智能机器人作为大型生物分子来进行语音信号的特征参数分析,建立分子可视化程序,将不稳定的语音信号拆散开进行分析处理。生成自相关系数,进而通过傅里叶变换将自相关系数转变为LPC系数,通过数据分析处理生成线性预测倒谱系数,经过VMD分子可视化进行提取,得到了智能机器人的语音信号特征参数。实验结果表明,基于VMD的智能机器人语音信号特征参数提取方法能够通过加窗处理解决外部冲击问题,提高检测准确率,缩短特征参数提取时间,确保机器人正常工作。