三轴压缩与干湿循环作用下灰岩的力学试验研究

南京地铁6号线万寿村站至燕尧路站区间深部主要为灰岩,盾构隧洞贯通后,深部岩体对隧洞维护起至关重要的作用,为了对该地铁深部稳定性提供理论指导,利用MTS815试验机对灰岩在经历干湿循环后进行了常规三轴压缩试验,研究了灰岩在不同次数干湿循环作用下和不同围压下的力学特性,结果表明:(1)受干湿循环作用前后试件的应力—应变曲线较为一致,均经历了较为明显的孔隙微裂隙压密阶段、较长的线弹性阶段、不太明显的屈服阶段和峰后阶段共4个阶段;(2)相同干湿循环次数后的灰岩试件,随着围压的增大,试件的峰值强度和弹性模量逐渐增大,弹性模量增幅不明显.在10次干湿循环后,试件的峰值强度的劣化最高达19.26％.干湿循环次数的增加会使灰岩的弹性模量减小,在10次干湿循环以内减幅较小;(3)围压为0时,试件的破裂模式为拉伸破坏,扩容现象明显;围压为2和4 MPa时,试件主要体现为剪切破坏.相同围压下,破裂模式属于剪切型破坏,随着干湿循环次数的增加,剪切破裂面倾斜度逐渐增大,剪切破坏愈加明显.     

船舶运动建模与仿真研究进展及未来发展趋势

梳理和分析了国内外学者对船舶运动建模与仿真所做的工作,概括了在风、浪、流、冰、船间效应、岸壁效应等作用下的船舶操纵性预报,介绍了船舶运动仿真的主流方法及在模拟中的应用,总结归纳了船舶运动建模与仿真研究进展中的关键技术,并指出智能化建模和仿真将会成为未来发展趋势.     

中国环保产业高质量发展的异质性政策驱动研究

为了剖析环保产业高质量发展的政策驱动机制,将环保产业高质量发展的内涵具化为5个维度,同时构造环保产业高质量发展的系统动力学模型,通过4种政策情景仿真考察不同政策工具对环保产业高质量发展各维度的影响。结果表明:政策工具对环保产业高质量发展的5个维度指标存在较为显著的目标差异性和时效差异性,其中税收政策对产出的激励效果最好,金融政策具有长效性,科技政策对产值利润率的驱动作用最强,环境规制的治污减排效应最为突出;同时,政策工具之间存在较强的互补性。     

允许两辆车驶入的避险车道设置

针对允许两辆车驶入的避险车道(TER),将先后驶入制动床的两辆车的停驶位置抽象为相互独立事件,建立了两辆车均能成功驶入避险车道的概率模型.基于仿真数据的研究结果表明:主线为直线时两辆车成功驶入避险车道的概率高于主线为平曲线时;即使主线为直线,制动床宽度为车辆宽度的5倍,两辆车均能成功驶入制动床的概率也不超过15%,这说明仅通过拓宽制动床宽度而不设置满足长度要求的引道,仍不能保证第二辆车成功驶入制动床.     

功率分流式混合动力系统结构优化与性能验证

对某具有双行星排的功率分流式混合动力系统进行了结构优化,并对优化后的系统进行运动学、动力学和效率分析,随后介绍了系统的工作模式及特点.基于Matlab/Simulink与LMS AMESim软件建立联合仿真平台,进行整车性能仿真.结果表明,整车能量消耗和动力性能均得到改善.纯电动模式下,城市工况(UDC)整车电能消耗降低8%;混动模式下,新欧洲行驶工况(NEDC)整车油耗降低6%.纯电动模式最高车速从110 km·h~(-1)增加到160 km·h~(-1).混动模式0～100 km·h~(-1)加速时间从14.5 s减少到10.0 s.     

阻塞比对开口式风洞喷口风速测量方法的影响

以1∶15的3/4开口回流式模型风洞为研究对象,通过放置不同比例大小的Ahmed body模型,采用试验和数值计算相结合的方法,研究阻塞比对于喷口法和驻室法这两种喷口风速测量方法的影响.结果表明:不同的阻塞比工况下,虽然驻室法测量误差稍大于喷口法测量误差,但驻室法对于修正系数的敏感度明显低于喷口法,即驻室法可使用更少的修正系数修正更多的工况,更易进行修正.     

同步解调器闪烁噪声的Protel DXP分析与仿真

根据P rote l DXP傅立叶分析仿真结果,分析了集成同步解调器中晶体管的闪烁噪声产生输出噪声的过程。通过改变电路仿真参数,得出相应仿真数据,结合理论模型对仿真数据进行了分析。得出闪烁噪声增益随载波信号幅度递减。     

多自由度系统的微振动的SIMULINK仿真建模

本文介绍了用S im u link对多自由度力学系统进行仿真建模的方法,实现了通过编程对系统参数和初始条件进行动态调整,并对仿真模型运行后的结果数据进行分析处理,自动生成各种图形图表,生成系统运动动画。     

Simulink在数字电路仿真中的应用

数字电路的设计及调试如果用实物很费时费力。本文试用了仿真软件S im u link对数字电路中的几个基本实例进行仿真,结果表明优秀的仿真软件,它在数字电路的设计及调试检验过程中大有用途,从而使实际操作达到省时、省力和直观的效果。     

基于门控循环单元神经网络的金融时间序列预测

针对循环神经网络(recurrent neural networks,RNN)网络结构存在的长期依赖问题,门控循环单元(gated recurrent unit,GRU)神经网络作为RNN的一种变体被提出。在继承RNN对时间序列优秀记忆能力的前提下,GRU克服了时间序列的长期依赖问题。本文针对金融时间序列数据存在的依赖问题,将GRU扩展应用到金融时间序列预测,提出了基于差分运算与GRU神经网络相结合的金融时间序列预测模型。该模型能够处理金融时间序列数据的复杂特征,如非线性、非平稳性和序列相关性。通过对标准普尔(SP)500股票指数的调整后收盘价进行预测,实验结果表明,所提出的方案能够提高GRU神经网络的泛化能力和预测精度,并且与传统预测模型相比该模型对金融时间序列的预测拥有更好的预测效果和相对较低的计算开销。