视情维修制度在智能船舶领域的应用分析

文章基于视情维修基本策略,将视情维修制度应用于新兴的智能船舶领域,并结合智能船舶航运特点,制定了其视情维修系统结构、决策内容及决策目的,分析了视情维修在智能船舶领域应用所需要的关键技术问题。

船用设备智能运维探究

船用设备种类和数量繁多,且工况环境较为复杂多变,不可避免会出现可靠性下降及各种故障。智能运维是在信息技术、测试技术等不断发展的基础上提出的,能够应对日趋大型化、集成化和自动化的现代船只管理维护。在分析了智能运维的研究现状的基础上,提出船用设备智能运维的数据集成化、岸船一体化和决策智能化的发展方向,数据的存储和处理将是以后的发展方向。

基于Peck公式的盾构隧道施工引起的地层三维沉降预测

盾构隧道施工会诱发地层沉降,合理地预测地层沉降对于保护邻近地下结构具有重要意义。首先,通过分析地表与地表以下深层土体的沉降规律,建立二者之间的联系;然后,基于Peck公式,通过引入不同种类土体的参数a,掌子面地表位移释放率η以及地表纵向沉降最大斜率k,提出不同种类土体中单、双洞盾构隧道施工诱发地层三维沉降的计算公式;最后,利用工程实测数据进行了对比验证,并对相关参数影响规律进行了简要分析。研究结果表明:本文方法与实测数据吻合良好,验证了该方法的准确性和适用性;合理的控制先、后行隧道开挖距离可以有效地减小掌子面土体沉降;地层沉降槽形态变化系数C(z)可以较好地预测双洞隧道开挖时任一深度土体沉降槽的形态。文末通过对大量实测数据分析,给出了相关参数的取值范围,可为无工程经验地区提供参考。

基于支持向量机的膨胀土胀缩等级预测

膨胀土的胀缩等级判定对膨胀土地区工程建设具有重要的意义。为此,本文提出了一种基于支持向量回归机(SVR)模型的膨胀土胀缩等级预测方法。基于肯尼亚“蒙内铁路”沿线膨胀土的土工试验数据,以土体自由膨胀率作为预测目标,构建了包含两种不同预测指标体系的膨胀土胀缩等级预测模型。模型I以液限、塑限、塑性指数、3种不同粒径的颗粒含量(<0.075、0.075~0.25、0.25~0.5)、土的类型为输入参数,模型II以液限、塑限、塑性指数、粒径<0.075的颗粒含量、土的类型为预测参数。两个模型在预测时采用Linear、Polynomial、RBF和Sigmoid核函数进行训练。结果表明:(1)当预测采样次数达到1000次时,训练模型均趋于稳定;(2)整体而言,模型I的预测精度要优于模型II,模型I中采用RBF核函数建立的模型给出了最高准确率86.6%,其次为Linear核函数(准确率82.9%)和Sigmoid和函数(准确率75.1%)。模型II中采用RBF核函数建立的模型给出了最高准确率77.4%,其次为Linear核函数(准确率74.3%)和Sigmoid和函数(准确率72.9%);(3)采用Linear函数、Sigmoid函数和RBF函数作为核函数模型对44组未知胀缩等级的土样预测时,模型I中三者预测结果相同的数量占比为73%,其余组土样的预测胀缩等级相同或相邻,不存在“越级”现象,模型II中三者预测结果相同的数量占比为68%,不存在“越级”现象。最后,通过与模糊层次分析法评价结果对比,进一步证明了本文研究结果可为肯尼亚等类似地区工程建设中膨胀土的胀缩等级预测和处理提供依据。

基于模糊层次分析法的预应力锚索加固顺层边坡稳定性评价

预应力锚索框架结构是顺层边坡最常见的固坡方式之一,对于采用该类支护的边坡稳定性的评价,其影响因素众多且存在模糊不确定性。以贵州省公路顺层边坡为例,提出了一个基于模糊层次分析法的边坡稳定性评定模型。基于贵州省公路边坡的实际调研情况,建立了预应力锚索加固顺层边坡稳定性评价指标体系,包括5大类21个影响因素,即边坡几何特征、工程地质特征、预应力锚索框架梁工作状况参数、水文及截排水状况、其他参数。采用数值模拟方法分析了顺层边坡稳定性与边坡几何参数、结构面力学参数和锚索设计参数的关系。通过数值正交试验比较了边坡高度、边坡角度、坡后角和结构面强度对顺层边坡稳定性的影响,结果表明顺层边坡稳定性受结构面强度和坡后角影响显著。基于模糊层次分析法建立了预应力锚索加固顺层边坡稳定状况评价模型。模型基于数值计算结果并通过对影响因素的两两对比确定各评价参数的权重。将边坡稳定性划分为"非常稳定""稳定""较稳定""欠稳定""不稳定"5个等级。最后,使用该评价模型对贵(阳)遵(义)复线K86左幅边坡稳定状况进行评价,边坡稳定性模糊隶属度为(0.14,0.35,0.25,0.23,0),边坡稳定状态为"稳定,正常养护巡查"。评价结果与现场监测结果相符。

两歧双歧杆菌TMC3115冻干菌粉生产工艺优化

为制备高活性两歧双歧杆菌(Bifidobacterium bifidum)TMC3115冻干菌粉,对培养基初始pH值和初始接种量进行研究,同时对不同碳源和氮源进行初步筛选,进而以发酵16 h发酵液pH值、光密度和活菌数为评价指标,通过正交试验对碳源和氮源组合进行筛选。考察18种冻干保护剂对两歧双歧杆菌TMC3115的冻干保护效果,并通过正交试验确定复合冻干保护剂配方。结果表明:两歧双歧杆菌TMC3115在培养基初始pH值7.2、接种量4%时所得发酵液活菌数最高;两歧双歧杆菌TMC3115发酵培养基配方为葡萄糖添加量25 g/L、胰酪蛋白胨20 g/L、酵母蛋白胨10 g/L、酵母浸粉FM90215 g/L、柠檬酸氢二铵2 g/L、无水乙酸钠5 g/L、磷酸氢二钾2 g/L、吐温-801 g/L、硫酸镁0.58 g/L、硫酸锰0.25 g/L、L-半胱氨酸盐酸盐0.5 g/L;最佳冻干保护剂配方为:脱脂乳添加量12%、海藻糖12%、丙三醇1.2%、谷氨酸钠0.6%、L-半胱氨酸盐酸盐0.15%,此条件下,两歧双歧杆菌TMC3115冻干粉活菌数达到4.26×1011 CFU/g。

基于支持向量机的边坡稳定状态预测及参数优化

以边坡稳定状态为预测对象,在搜集了171个边坡数据的基础上,选取容重、黏聚力、内摩擦角、孔隙压力比、坡角、坡高作为预测指标,建立了基于支持向量机的边坡稳定状态预测模型。在此基础上,研究了模型训练集抽取比例(50%、60%、70%、80%)、数据预处理方法(标准化、归一化至[0,1]、归一化至[-1,1])及模型最优参数确定方法对预测结果的影响。提出了两种模型最优参数搜索方案。方案一是“N个搜索网格,逐个网格优化搜索”,方案二是“单个搜索网格,逐个网格点N次采样平均”。结果表明:预测模型在各种情况下的平均准确率均在80%左右;随训练集抽取比例增加,模型的预测准确性显著提升;当训练集抽取比例为80%,将数据归一化至[-1,1],取SVM模型的惩罚参数c和核函数参数g分别为2^(5)、2^(0)时,模型的平均准确率最高,达到了84.39%;将数据进行归一化处理后得到的预测结果在准确性上与采用标准化后的结果较为接近;最优参数搜索方案二在准确率、计算效率上要优于方案一。最后,使用建立的模型预测了22个稳定边坡和17个不稳定边坡的稳定状态,总体准确率达92.31%。