150m跨径PC矮塔斜拉桥施工技术介绍

山西太原市西北环高速公路汾河特大桥主桥采用预应力钢筋混凝土矮塔斜拉桥结构形式,本文主要介绍了大桥的施工概况和主要工序的技术、措施。     

西秦岭南带中志留统的岩石学特征与沉积环境

详细研究了西秦岭南带中志留统岩石学特征,对遭受重结晶作用的碳酸盐岩进行了结构成因分类。分析了该区中志留世的沉积环境及变化特征。在该区发现的层孔虫生物礁及其它“浅水”标志,表明志留纪时,为若尔盖微古陆北侧的边缘浅海环境。西部为局限陆棚环境,可分为:局限内陆棚、海湾、礁滩-泻湖-潮坪(孤立台地)等亚环境;东部为开阔陆棚环境,可分为浅海砂滩、内陆棚、外陆棚等亚环境。     

用爆炸波起爆癸烷云雾的两种模式

用垂直激波管研究了400μm癸烷液滴与空气混合物的爆炸波起爆。每种混合物有两个极限起爆能值,即高值Ecu,和低值Ecl。当起爆能的值高于Ecu时,观察到100%发生爆轰;而当其低于Ecl时,就不会发生爆轰。有趣的是,当起爆能水平在Ecu和Ecl之间时观察到对应于不同的起爆能水平有不同的起爆行为。如实验结果所表明的,爆轰的激发不仅是由于直接起爆,而且也由于“爆燃”到爆轰的转变。     

溶剂萃取法制备碳酸盐的热力学讨论

向金属氯化物(Ⅰ)的水溶液中通入CO_2气体,以期制备相应的碳酸盐和酸式碳酸盐,在常温常压下,体系的△G>0,反应几乎是不可能的。向反应体系中加入有机溶剂(S),使生成的HCl即被萃取,可促进Ⅰ的继续转化。分析计算表明,S对HCl必须有很强的萃取能力,其K_萃须在10~5以上。研究了加入有机溶剂N_(235)前后,体系的热力学状态、函数及其变化。加入N_(235)后,K_萃值增大了5个数量级。考察了温度、时间和通气次数对系统热力学性质的影响。根据反应的耦合原理和热力学分析,提出萃取剂选择的原则。结合实验数据的估算说明:溶剂萃取法由Ⅰ和CO_2制备碳酸盐的工艺路线是可行的。     

河口地区沉积物的溯河搬运

在长江、南流江、钱塘江河口地区的现场观测表明,涨潮流是使沉积物溯河搬运的主要动力,而有孔虫和铁皂石则分别代表溯河搬运的“轻”、重矿物。这种海相微体化石和海相自生矿物不仅见于河口地区,而且出现在全新世沉积层中。沉积物溯河搬运的研究进一步说明了长江三角洲地区海进河床充填层序的形成和解释了全新世太湖地区的某些海侵沉积问题。     

预应力混凝土箱梁爆炸损伤评估及公式拟合

对预应力混凝土箱梁进行爆炸损伤评估研究。首先,对矩形梁进行爆炸数值分析,结合现场试验结果验证了爆炸数值模型的准确性、可靠性。其次,基于箱梁剩余承载力,建立了箱梁爆后损伤评估准则。通过对预应力混凝土箱梁在不同爆炸工况下的爆后剩余承载力计算,建立箱梁各损伤程度下P?I（超压?冲量）曲线。研究发现,混凝土强度对箱梁超压和冲量临界值影响较大,钢筋屈服强度对超压和冲量临界值影响较小。随着结构损伤等级的增大,各参数对箱梁P?I曲线的影响幅度各不相同。最后,对不同混凝土强度箱梁中各损伤等级P?I曲线进行公式拟合,并对拟合参数β进行分析。     

砂卵石地层盾构隧道掌子面稳定性理论分析

盾构隧道穿越砂卵石地层掘进施工时,由于砂卵石的地层特性及施工扰动,隧道掌子面容易失稳而引发事故。为研究砂卵石地层盾构隧道掌子面稳定所需的最小支护力,结合砂卵石地层的掌子面失稳模式,在三维Murayama模型的基础上,将掌子面前方土体的滑动面形式假设为对数螺旋滑移线,结合上部松动区域的破坏机制,引入椭球体放矿理论,对传统的棱柱体筒仓模型进行改进,进一步通过极限平衡法推导出砂卵石地层的掌子面极限支护力求解公式;最后通过离散元数值模拟验证所推公式,两者的误差为3.1%。结果表明所得公式可对砂卵石地层的掌子面极限支护力进行较为精确的求解。研究成果以期为砂卵石地层掌子面极限支护力计算理论提供依据。     

一种磁流变弹性体执行器的联合优化方法研究

磁流变弹性体（magnetorheological elastomer, MRE）执行器作为智能减振应用系统的核心元件,其结构的优化是决定执行器性能上限及系统控制成效的关键。针对目前MRE执行器优化方法及理论研究欠缺的问题,文中面向一款横向隔振的MRE执行器,基于其机械结构和有效磁路,以优越磁控性能、低功耗和快速响应时间为优化目标,提出了一种新的MRE执行器联合参数优化方法。首先,基于MATLAB和COMSOL的联合仿真,将遗传优化算法和电磁有限元分析方法进行有效结合,实现对MRE执行器的优化编程;其次,完成对器件的全局尺寸结构优化设计,使得器件具备优越磁控性能（526.21 mT）、低功耗（44.05 W）及快速响应（5.43 ms）;最后,通过搭建测试系统对优化后装配的MRE执行器进行测试和评估,验证了文中优化方法的可行性和有效性。提出的联合优化方法不仅适用于MRE执行器结构,还可为多领域减/隔振应用的共性MRE器件优化设计提供理论参考。     

基于轻量化深度学习网络的数字仪表识别

数字式仪表常用于变电站、工厂等生产环境,是一种直观的设备监测仪器。然而当前数字式仪表的读取方式还依赖于人工巡检,手动记录等,这些传统的巡检方式来监测设备的运行状态大大降低了巡检效率。为了实现传统行业的数字化转型,本文提出基于轻量化深度学习的数字仪表识别方法,通过改进的YOLOv5的目标检测框架,针对数字仪表目标区域在整张图片大小不一致的情况,提出对于感兴趣区域（ROI）的迭代目标检测方法,首次检测将感兴趣区域进行检测并切割统一到相同的尺度,随后迭代检测网络针对感兴趣区域内的字符进行检测并分类,以达到精确读数的目的。为提升多尺度检测性能,本文采用Res2Net模块主干网络中的的残差模块。采用GIoU取代通用的IoU作为位置损失函数加速模型训练效果的收敛。实验表明,改进后的框架实现了99.62%的准确率和99.55%的召回率,相比基线网络分别提升了12.72%和5.85%。通过将框架在边缘计算平台上的终端部署,在实际生产中取代了人工巡检,实现了商业化运行。