SMA智能复合材料结构的力学分析与建模

介绍了SMA智能复合材料结构力学建模在弯曲变形及振动控制方面的研究现状,论述了连续型和有限元建模方法,分析了SMA智能复合材料结构大变形问题及温度影响问题,并就SMA智能复合材料结构的力学建模提出几点建议。     

建筑物变形观测的过程控制与安全措施

分析了引起建筑物变形的原因及建筑物变形的类型，介绍了建筑物变形观测的实施过程及具体方案，并根据观测结果提出了确保施工与建筑物使用的安全措施。     

DGPVT软件包的开发及应用

介绍了针对油藏流体及其注气体系的相态及物性的预测而开发的DGPVT软件包功能、模型及特点。基于实验数据对DGPVT软件包的预测准确性进行了检验,并与石油界知名的商用油气相态及物性计算软件包STATPACK进行了比较。     

对煤矿岩体中固流耦合效应问题研究的探讨

本文对固流耦合效应的基本概念、基本原理进行了简单介绍。并对采动影响下邻近煤层、岩层的瓦斯向本层采空区的流动规律,以及煤和瓦斯突出的机理和发生的理论,分别作为固流耦合效应的两类不同问题进行了研究.同时提出了今后进行进一步研究的看法。     

偶应力两层流体通过狭窄管腔时外围层的粘度效应

本文讨论了偶应力两层流体通过带有柔和狭窄的刚圆管时的流动特性,导出了速度、流量、阻抗和壁面最大剪应力的解析式,考察了外围层粘度和厚度的效应,并作了数值计算;是对单层偶应力流体狭窄流动及两层牛顿流体(粘度不同)狭窄流动的推广。     

圆形隧洞周边位移和地层压力预报的简便公式

应用本文所提出的公式可计算地层的初始应力和由开挖引起的洞周位移。预报公式所需要的计算数据是一组相邻测点之间的量测位移,这可通过隧洞的施工监控量测而得到。在推导这些预报公式时,著者先应用一系列的有限元和无限元等数值计算方法来模拟洞室的开挖,从而得到大量的“观测数据”。然后综合应用自动回归和解析方法,建立了实用的计算公式。这些公式使用简便且具有良好的精度。     

可压缩流体网络的建模方法

本文运用网络分析手段,首次提出了任意拓扑结构可压缩流体网络动态特性的建模方法.该方法突破了目前在流体网络分析中普遍采用的“小扰动”线性化处理方法的局限。     

侧爆作用下土中竖井结构弹塑性变形特征分析及计算

针对土中钢板-钢筋混凝土竖井结构在常规武器爆炸作用下塑性铰线形成前的动力响应问题,综合采用模型试验、有限元数值仿真方法,分析了竖井结构中远距离爆炸作用下的变形过程及特征,确定了以量纲一环向相对位移α₁作为结构变形程度的判据。推导了土中竖井结构在常规武器爆炸作用下的动力响应理论解,分析了按照弹性理论计算的量纲一环向相对位移α_1e和有限元计算得到的弹塑性量纲一环向相对位移α_1p的关系及其比值α_1p/α_1e的影响因素,构建了基于弹性解的弹塑性量纲一环向相对位移α_1p工程算法。提出了以量纲一环向相对位移α₁作为结构变形程度的判据,并确定了结构闭环塑性铰线出现、破坏模式改变的阈值为α₁=3%;对比了理论与数值模拟计算结果,验证了提出的理论计算方法可以较好地计算钢板-混凝土竖井组合结构在常规武器爆炸作用下弹性阶段的动力响应;结构长径比、结构缩尺比例、装药量大小对α_1p/α_1e随α<...     

数字图像测量技术及在隧道室内模型试验中的应用

首先按照数字图像技术分析基本原理差异,对数字图像相关（DIC）、粒子图像测速（PIV）等二维数字图像测量方法在隧道模型试验中的应用现状、技术发展以及基本原理进行梳理。进一步,对三维测量方法的原理及在隧道模型试验中的应用潜力进行分析。最后,通过黄土地层盾构隧道的掘进模拟试验,对数字图像测量技术在隧道模型试验中的应用进行示范。结果表明：DIC、数字照相变形量测（DPDM）等非接触测量方法以照片上点的相关性判断各点的位移,使用场景更偏向于室内试验道路、桥梁、隧道、基础、河坝、钢结构、钢混结构等土建结构的变形监测中;而PIV分析可测量流体中流动的大小和方向,被广泛运用于浆液、泥石流、喷泉等流体运动的研究中。此外,基于黄土地层盾构隧道室内模型试验方案发现,低含水率黄土地层盾构掘进8环管片距离时,围岩的扰动范围为盾构掘进中轴线两侧1 D（管片外径）左右和盾构上方1 D范围内。     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。