TMD减振技术在超高层建筑及大跨度桥梁中的应用

减振(震)控制是影响结构安全和舒适度的关键,安装调谐质量阻尼器(TMD,Tuned Mass Damper)是目前最常用的减振方法。通过国内外学者及工程师的不断开发研究,TMD减振技术逐渐发展成熟,在实际工程中得到广泛应用。主要介绍了TMD在超高层建筑、大跨度桥梁中的最新技术进展和工程应用现状,舒适度评价标准体系建立情况,以及具有良好工程应用前景的新型动力吸振器颗粒式TMD、自调频式TMD、自适应性TMD、组合型TMD、液体质量双协调TMD的研究热点。

两向不等压圆形隧道塑性统一解及其应用

针对两向不等压作用下的圆形隧道,综合考虑地应力分布、中间主应力效应和围岩剪胀特性,基于统一强度理论和非关联流动法则建立了理想弹塑性围岩的各种塑性统一解,包括塑性区应力、塑性区位移、塑性区半径和围岩特征曲线,继而对所得解答进行讨论与应用。研究结果表明:所得塑性统一解为系列化的有序解答,合理反映了3种因素影响且表达简洁,具有一定理论意义和良好工程应用前景;两向不等压与中间主应力显著影响围岩塑性区范围、洞壁位移和特征曲线,不同方位角处应构筑不同承载性能的支护或选择不同支护施作时机;洞壁位移和围岩稳定变形随剪胀系数的增加而增大。

斜拉桥菱形挂篮监测系统研究

针对国内挂篮施工安全形势严峻的现状,以江西某斜拉桥为工程背景,研究了吊桥式菱形挂篮监控系统的设计及监测实施过程,重点分析了监测系统的现场布置原则及监测结果。分析表明挂篮监测系统能够实时测量挂篮监测点温度、拉伸量、应力、倾斜度和风速变化,监测数据超过安全阀值时会发出预警提示。实践表明本监测系统能够保障挂篮安全施工,提高施工效率。

城市地下空间工程专业建设探讨

分析了国内外城市地下空间的研究现状和发展趋势,对目前国内城市地下空间工程专业建设中存在的问题进行了探讨,并给出了其解决措施,为这一新兴专业建设定位和培养目标实现提供参考。

基于差分进化算法的邓肯—张模型参数优化研究

基于典型红砂岩土石混合堆积体大型三轴试验结果,结合最优化理论,研究了差分进化算法(Differential Evolution Algorithm)在邓肯—张(Duncan-Chang)E-μ模型参数优化中的应用。通过改进差分进化算法研究,利用参数敏感性分析选择最优控制参数,并建立模型计算—试验数据误差多元目标函数,最终确定模型最优参数。结合计算—实验结果,绘制邓肯—张E-μ模型在不同围压条件下的(σ1-σ3)~εa曲线和εa~εv曲线。将D-C模型的常规计算结果与使用改进DE算法优化后的计算结果进行对比分析,论证了改进DE算法在该模型参数优化中的适用性,研究结果可用于岩土体本构模型参数的估算及优化过程,提高数值分析结果的准确性。

数字孪生研究进展及在铁路智能运维中的应用

我国铁路基础设施建设正在从“建设为主”向“建管并用”发展,传统运维技术存在诸多弊端,亟需建立新的智能运维技术体系。数字孪生是实现虚实空间交互的先进技术,该技术突破了传统仿真及试验条件限制,实现以最快速度、最优成本掌握结构的实际运行状态。数字孪生能够将物联网、建筑信息模型、结构健康监测、数值仿真与人工智能等先进技术通过虚实数据交互,形成对物理实体有效地监控、模拟、预测、诊断与决策。针对数字孪生的发展、基本原理及技术方法进行归纳总结,阐述了数字孪生与建筑信息模型、结构健康监测、人工智能等技术的融合应用,总结了数字孪生在铁路运维场景下的技术方法及研究现状,包括智能检(监)测、数字孪生模型构建方法、结构性能退化模拟及维护策略确定。提出并详细阐述了基于数字孪生的铁路基础设施的智能运维技术框架,指出了当前数字孪生在铁路基础设施智能运维应用中存在的主要问题及解决方案,为铁路基础设施智能运维管理提供新的理论方法。

堆积体三轴试验及离散元模拟研究

对典型地区松散堆积体进行大三轴剪切排水试验,基于细观结构离散元理论,在PFC3D平台嵌入自编程序,引入反映颗粒形状的Clump颗粒,形成与堆积体三轴试验相对应的三维颗粒流数值模型。对比了不同围压下数值模型与三轴试验的应力-应变关系。结果表明:随着围压的增大,堆积体试样强度呈现应变硬化型到应变软化型的过渡,并伴随剪胀现象;数值模拟的应力变形曲线规律与实体三轴剪切试验结果基本一致,颗粒流离散元方法可以较好地模拟堆积体三轴试验的力学特性。

基于Bayes-ARIMA的景区公路短时交通流量预测

为方便景区公路交通组织及资源调度,提出了一种基于贝叶斯估计和ARIMA(Auto Regressive Integrated Moving Average model,差分自回归移动平均模型)的短时交通流量预测模型Bayes-ARIMA。通过ARIMA模型捕捉车流量时间序列特征,再通过贝叶斯方法引入其他时空因素的影响,充分利用2种模型的优势对车流量进行联合预测。结果表明:贝叶斯方法能够拟合交通流量的整体趋势,但在细节波动上的拟合精度明显不足,部分有用的细节信息丢失在残差序列中。ARIMA模型可以有效提取并还原贝叶斯预测残差序列中的有用信息,修正贝叶斯预测结果。与贝叶斯估计或ARIMA单独使用时相比,Bayes-ARIMA模型的均方根误差和绝对平均误差均有显著下降,表明Bayes-ARIMA组合模型的综合性能优于贝叶斯估计和ARIMA单一模型。