深埋公路隧道复杂断面十字交叉施工稳定性数值分析

以在建郑西高速伏牛山特长公路隧道为研究对象,采用ＭＩＤＡＳ／ＧＴＳＮＸ有限元分析软件模拟 深埋隧道主洞、排风斜井及辅助横通道采用十字交叉的开挖方式,对交叉口围岩位移、初支结构与围岩 间的相互作用以及支护结构受力的影响情况。结果表明:主洞开挖对十字交叉口沉降影响距离为（１．８ ～２．２）Ｄ１（Ｄ１为主隧道洞跨）,横通道的开挖对交叉口沉降影响距离为（１．５～２．０）Ｄ２洞径（Ｄ２为辅助 通道洞跨）;随着横通道的开挖,交叉口各部位同时产生沿Ｘ轴正向的水平位移;辅助横通道的开挖使 σ３最小值增长９０．７％,最大剪应力τ值增长１３０．８％,应力集中区由斜井交叉口转至辅助横通道交叉口 两侧拱腰;交叉段初期支护应力存在偏压现象,交叉段斜井顶部应力最大。     

精细积分在时滞车辆悬架最优控制中的应用

针对车辆悬架系统中状态和输入存在时滞的最优控制问题,结合科茨求积分和线性插值的精细积分法,将系统的状态方程引入到Hamilton体系下进行研究.依据最优滤波问题和带有时滞的观测器的双重准则,将时滞问题转换成非时滞问题,从而在全状态下对其方程进行精细积分求解.对带有时滞的114车辆悬架模型进行数值仿真,并与经典的数值算法进行比较分析.仿真结果表明,该方法具有很高的计算精确度和稳定性,并为车辆悬架系统的动力学分析提供了新的方法和手段.     

斯凯孚关爱儿童健康 携手奥比斯考察中国眼疾高发区

近日,全球领先的轴承、密封件、机电一体化、服务和润滑系统供应商斯凯孚(SKF),携手非盈利性国际人道主义组织奥比斯(ORBIS),邀请眼科医生为云南省普洱市澜沧自治县麻栗村斯凯孚希望小学学生和当地村民进行眼部健康检     

悬臂式掘进机切割机构的设计分析

本文介绍了掘进机切割机构的工作原理及机构组成,对切割机构在不同位置受力进行分析对比,为选择更适合掘进机工作的工况提供参考。     

不同淬火方式对KMN钢组织及力学性能的影响

真空气淬相较于传统热处理工艺具有控温精度高,表面氧化脱碳少等优势,但同时具有冷却速度慢的劣势。本文对KMN钢锻件进行真空加热970℃、淬火(5 bar氮气冷却或油淬)及580℃高温回火。热处理后,检验其力学性能和显微组织。结果表明:经气淬并高温回火的KMN钢力学性能略低于油淬并高温回火,显微组织均以回火索氏体为主。KMN钢经真空气淬或油淬并高温回火后,可以得到类似的力学性能与显微组织。     

大型原点反共振振动筛的初步设计

针对传统大型振动筛筛箱侧帮易断裂,参振质量大,隔振效果差等问题,提出了将反共振理论用于振动筛的设计理念,建立了反共振振动筛的力学模型,并进行动力学分析,得到筛箱和下质体稳态时的响应振幅,通过绘制双质体系统的幅频特性曲线得到反共振振动筛的激振频率。利用Solidworks软件对反共振振动筛进行三维建模,完成了大型原点反共振振动筛的初步设计。结果表明:可调激振器位置的斜面设计使激振力通过上质体质心,保证了筛箱的正常工作。由圆柱形螺旋弹簧组成的弹簧座连接上、下质体及地面,保证了系统所需弹性系数;通过应用PID控制技术监控上下质体振幅,并改变激振频率来稳定上、下质体振幅,实现原点反共振振动筛振幅的稳定性控制。     

基于重构对比的广义零样本图像分类

广义零样本图像分类中常使用生成模型重构视觉信息或语义信息用于再进一步学习.然而,基于变分自编码器的方法对重构样本利用不够充分,表示性能欠缺.因此,文中提出基于重构对比的广义零样本图像分类模型.首先,使用两个变分自编码器将视觉信息和语义信息编码为同维度的低维隐向量,再将隐向量分别解码到两种模态.然后,使用投影模块投影视觉信息与语义模态的隐向量重构的视觉模态信息.最后,对投影后的特征进行重构对比学习.在保持变分自编码器重构性能的基础上增强编码器重构的判别性能,提高预训练特征在广义零样本图像分类任务上的应用能力.在4个标准数据集上的实验证实文中模型的有效性.     

采用容许应力法与极限状态法的输电塔抗风设计对比分析

我国仍有大量采用容许应力法设计的在役77/78系列输电塔位于强风区,电网运行部门需要依据现行规范逐步进行加固改造。分别按照容许应力法和极限状态法给出了输电塔杆件安全系数表达式,对比分析了我国不同时期输电线路设计规范的风荷载和结构设计方法。以2021年发生风灾倒塔的两基77/78系列输电塔为研究对象,分别采用容许应力法和极限状态法计算了输电塔杆件应力、应力比和安全系数,并确定了强风下输电塔薄弱杆件位置。结果表明：SDJ 3—1979《架空送电线路设计技术规定》设计的输电塔安全系数明显低于SDGJ 94—90《架空送电线路杆塔结构设计技术规定》和DL/T 5154—2002《架空送电线路杆塔结构设计技术规定》,安全系数相差20%以上;且后两个规定设计的输电塔安全系数基本相当。     

面向动态场景去模糊的对偶学习生成对抗网络

针对动态场景下的图像去模糊问题,提出一种对偶学习生成对抗网络(dual learning generative adversarial network, DLGAN),该网络可以在对偶学习的训练模式下使用非成对的模糊图像和清晰图像进行图像去模糊计算,不再要求训练图像集合必须由模糊图像与其对应的清晰图像成对组合而成. DLGAN利用去模糊任务与重模糊任务之间的对偶性建立反馈信号,并使用这个信号约束去模糊任务和重模糊任务从两个不同的方向互相学习和更新,直到收敛.实验结果表明,在结构相似度和可视化评估方面, DLGAN与9种使用成对数据集训练的图像去模糊方法相比具有更好的性能.