泥岩地基及嵌岩灌注桩的承载特性试验

红土崖组(KwH)泥岩是一种分布于青岛地区的白垩系王氏群泥岩,是一种非典型的黏土岩,其透水性弱,具有一定的膨胀特性。为研究泥岩的物理力学性质、变形特性及嵌入泥岩中灌注桩的承载特性,以红土崖组(KwH)泥岩为试验对象,在青岛某地区开展了泥岩常规物理力学试验、泥岩地基及泥岩地基中嵌岩灌注桩的静载荷试验。试验结果表明,红土崖组(KwH)泥岩含砂,吸水膨胀率较小,是一种非膨胀性岩;全风化及强风化泥岩地基的P-s曲线基本呈缓变型;而中风化泥岩地基在破坏时发生了压裂及隆起,P-s曲线呈陡降型,而且变异性较大。该场地泥岩地基中灌注桩分别加载至10800 kN、12960 kN,试桩均未发生破坏,嵌岩灌注桩的桩侧摩阻力和桩端阻力均未充分发挥;中风化泥岩的承载力较高,可作为桩基理想的持力层;泥岩具有初始损伤特性,且随着应力水平的提高其损伤逐渐加剧。研究成果对青岛地区泥岩地基中的工程建设具有参考价值。     

岩质边坡节理信息数字识别及三维模型重构——以石家庄市南障城镇边坡为例

在地质调查中,为了实现岩质边坡节理信息数字识别及三维模型重构,开发设计了基于倾斜摄影的裂隙岩体边坡三维模型重构软件。该软件通过小型无人机倾斜摄影采集数据,然后基于增量式运动结构恢复算法和深度图融合的多视点立体视觉算法（multi-view stereo,MVS）进行三维模型重构,最后利用随机抽样一致算法（random sample consensus,RANSAC）和区域生长法对得到的结果进行岩体结构面识别,得到结构面产状等节理信息。把软件得到的三维模型和节理信息结合FLAC3D有限元软件,运用强度折减法进行稳定性分析。结果表明：采用小型无人机采集的数据完整有效;三维重构出的模型可以很好的描述出实际岩质边坡;结构面识别得到的岩质边坡节理信息误差较小;基于岩体体积节理数和结构面条件因子量化地质强度指标（Geological Strength Index,GSI）的方法得到Hoek-Brown准则参数准确可靠。可见,利用小型无人机倾斜摄影结合开发设计的软件,可以快捷、高效和准确的实现岩质边坡节理信息数字识别及三维模型重构,对于实际工程具有一定的应用价值。     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

玻璃纤维增强聚合物腰梁受力性能试验与有限元模拟

为探究基坑支护工程中玻璃纤维增强聚合物(glass fiber reinforced polymer, GFRP)腰梁的应力分布规律和变形特性,结合GFRP腰梁力学性能试验及数值模拟,依托于青岛某深基坑工程,利用ABAQUS有限元软件对不同工况下双腹板GFRP腰梁进行了有限元模拟。研究结果表明,与钢材相比,GFRP材料具备较高的抗弯强度,但弹性模量较低;最大加载至700 kN时,双腹板GFRP腰梁变形的室内试验结果和数值模拟结果的变化规律相似,随着荷载水平的增加,呈线性变化,说明GFRP腰梁始终处于弹性工作状态,整体稳定性强。明确了预应力锚杆轴力为300 kN时GFRP腰梁在两端自由、两端约束以及一端约束一端自由3种情况下的应力分布规律和变形特征;对于两端自由的GFRP腰梁,预应力锚杆轴力为150 kN时的应力、位移约为预应力锚杆轴力为300 kN时的50%。研究结果可为类似工程提供借鉴与参考。     

双边永磁同步直线电机随机模型系统辨识

为解决双边永磁同步直线电机离散传递函数模型参数动态变化、传统方法辨识精度低的问题,提出一种基于随机模型的系统辨识方法,分析运动过程中的系统特性,结合具有随机扰动项的Box-Jenkins模型,辨识动态系统传递函数模型参数。通过注入不同频率逆M序列电流信号,充分激发系统响应,比较分析不同实验条件下的系统辨识结果。选择预报误差法定义平方差代价函数,运用Levenberg Marquardt算法不断迭代优化以获得传递函数模型最优参数。通过对不同采样频率、不同注入电流幅值和不同电机运动速度条件下的系统辨识对比分析,获得最佳辨识模型。结果表明,当采样频率为1000 Hz,注入电流幅值为2.0 A和电机运动速度为50 mm?s-1时,获得最优辨识仿真输出匹配度为94.81%,平方差为7.84×10-4。     

负斜桩顶部水平受拉响应及p-y曲线特征试验研究

为研究倾斜桩的水平受拉响应特征,在模型砂土中设置0°、10°、20°倾斜桩及桩底嵌岩20°倾斜桩,桩顶施加水平拉力,拉力方向与倾斜方向相反,测试4根模型桩的水平位移、应变片与土压力盒应变,获得桩身水平位移、弯矩、土抗力和p-y曲线特征随倾斜角和桩底约束条件的变化规律. 结果表明：1）桩顶水平受拉时,随着倾斜角的增加,负斜桩顶部水平位移逐渐增大,弯矩峰值随之增大,而土抗力峰值逐渐减小,土抗力峰值点位置逐渐降低,单桩的水平承载力随之降低,抗弯能力减小;2）随着桩底约束程度的提高,负斜桩顶部水平位移减小,桩身弯矩峰值、土抗力峰值减小,单桩水平承载力增大,抗弯能力增强;3）水平荷载作用下,本模型的负斜桩破坏模式为“转动+弯曲”,转动点位置随倾斜角的减小或桩底约束程度的提高而下降;4）0°～20°负斜主动桩p-y曲线可采用p/pub= α（y/y50） β进行拟合,倾斜角与桩底约束程度对α影响不大,倾斜角对β值变化幅度影响较小,β值变化幅度随桩底约束程度提高而降低.     

缀板加强冷弯薄壁C形钢受压极限承载力研究

为研究缀板加强冷弯薄壁C形钢受压构件的受力性能,采用ANSYS软件建立其非线性有限元模型,并与试验破坏特征、极限承载力进行对比,验证建模方法的正确性. 研究缀板间距及偏心距对缀板加强冷弯薄壁C形钢在轴压及单向偏心受压作用下的极限承载力及屈曲模态的影响规律. 结果表明：随缀板间距减小,C形钢的屈曲变形由畸变屈曲逐步转为局部屈曲,轴心受压及偏心受压构件极限承载力逐渐增高;随偏心距增大,偏心受压构件的极限承载力逐渐降低;建议缀板加强冷弯薄壁C形钢轴压、偏压构件的缀板间距分别取λ/3、λ/4（λ为屈曲半波长度）. 基于缀板加强冷弯薄壁C形钢的受力特点及直接强度法,提出缀板加强冷弯薄壁C形钢构件轴压及偏压极限承载力的修正公式,并验证了公式的准确性.     

汽车座椅调节参数对体压分布的影响分析

针对汽车座椅调节参数对体压分布的影响,选择靠背角度、座椅高度、滑轨位置3个参数作为因子,设计三因子五水平的正交试验,开展对95百分位、50百分位人体以及人体假人模型装置（H-Point Machine,HPM）在不同调节参数下的体压分布采集试验. 对采集的体压数据进行去噪处理和提取体压指标,采用灰色关联度分析方法,分析与体压分布指标关联度较大的因子;对与体压指标关联度较大的因子进行单因子试验,描述各体压指标在单因子动态调整下的变化情况. 结果表明,靠背角度和滑轨位置对体压分布影响较大. 当靠背角度增大时,不同百分位驾驶员的靠背体压指标增大,坐垫整体体压指标略微变小. 当滑轨位置增大时,95百分位人体靠背体压指标变小,坐垫接触面积变小;50百分位人体靠背体压指标变化较小,坐垫接触面积变小.     

耐碳青霉烯酶肺炎克雷伯菌的分离鉴定及生物学特性分析

以临床尿路感染患者尿液为研究对象,通过分离培养及16s rDNA进行肺炎克雷伯菌的分离鉴定;采用Kirby-Bauer纸片法进行药敏实验,并对分离株进行碳青霉烯酶表型筛选;通过PCR检测常见的碳青霉烯酶耐药基因、荚膜血清型和毒力基因分布情况;对分离的肺炎克雷伯菌株进行了生物被膜形成能力及其对小鼠致病力的分析。本研究从采取的86例尿液标本中分离检出11株耐碳青霉烯酶肺炎克雷伯菌,分离率为12.79%。耐碳青霉烯酶基因PCR检测结果显示,blaNDM、blaVIM、blaIMP和blaKPC基因在分离株中均呈现不同程度的分布。耐药性分析发现11株肺炎克雷伯菌对氨苄西林耐药率为90.91%,对头孢噻肟耐药率为63.64%,对链霉素、庆大霉素、氯霉素和诺氟沙星的耐药率较低。耐碳青霉烯类肺炎克雷伯菌荚膜分型结果显示,分离的11株细菌中10株均为强毒力型菌株（90.9%）,其中K57血清型4株（36.4%）,K1血清型1株（9.1%）,K2血清型1株（9.1%）,K5血清型1株（9.1%）,K20血清型3株（27.3%）,提示该批分离株具有较强的致病力。此外,毒力因子分布结果显示,其毒力因子rmpA（54.5%）、Aerobactin F（54.5%）在菌株中分布较为广泛。生物被膜形成能力检测及小鼠致病性试验结果显示,9株分离株均有较强的生物被膜形成能力,菌株致病力可能与荚膜血清型及生物被膜形成能力相关。综上所述,临床分离的致尿路感染病原肺炎克雷伯菌呈现多重耐药特征,强毒力菌株以K57荚膜型为主,K1、K2均有分布,提示对尿路感染病原应加强耐药监测,合理使用抗菌药物,有效防控多重耐药和强毒力菌株的感染与流行。     

基于双向门控机制和层次注意力的方面级情感分析

针对传统情感分析模型将单词或词语作为单一嵌入,而忽略句子之间依存信息和位置信息的问题,提出基于双向门控机制和层次注意力的方面级情感分析模型（Based on Bi-GRU and Hierarchical Attention,BGHA）。首先,将文本数据转成词向量再加入位置编码信息,得到包含位置和语义信息的词向量后通过双向门控机制提取上下文特征;接着,分别在单词注意力层和句子注意力层用注意力机制对特征分配权重,突出重点词和重点句信息;最后,结合给定的方面信息选择性提取与其较匹配的情感特征。在SemEval 2014、SemEval 2016和Twitter短文本评论数据集上的实验结果表示,BGHA模型的准确率对比其他模型都有不同程度的提高,证明了模型的有效性。