剪切位移法在分层地基模型中的应用

在单桩计算方法中,剪切位移法由于其不需要对桩进行单元划分,概念明确,便于工程计算而受到了工程界的青睐。但是原始的剪切位移法将地基土为均质的半弹性无限体,不能考虑地基土的分层,因而其计算的出来的结果同实测结果有着较大的出入,这里就是在原始剪切位移法的基础上,考虑桩身和桩底范围内土体的分层,以期进一步完善剪切位移法。     

观音岩水电站混合坝插入式接头的抗震性能

观音岩水电站混合坝插入式接头高度达71,m,是大坝结构的薄弱环节,接头的动静安全直接关系到工程全局.以薄层单元模拟插入式接头中堆石坝心墙与混凝土的接触面,堆石和心墙料采用Hardin非线性动力本构模型,在三维非线性静力分析基础上,基于时程法对大坝连接坝段进行了地震动力分析,揭示了在地震过程中接头部位接触面的开合变形性态、剪切破坏及地震永久变形情况.三维非线性仿真分析的结果表明:在设防烈度地震作用下,土质防渗体与混凝土坝接触面仅在靠近顶部和两侧部位发生一定张开,张开度较小,张开持续时间短,接触面并未形成贯通的张开面;接触面剪切破坏范围较小,顶部具有一定程度的永久变形.综合来看,插入式接头的抗震安全性是有保障的.     

三维编织C/C复合材料界面相各向异性性能数值设计与表征

三维编织C/C复合材料在制备过程时会存在于基体中,纤维上的缺陷以及界面相的异构。从界面相的异构出发,通过计算机来模拟带有界面相异构的三维编织C/C复合材料模型,预测复合材料在具有界面相异构下的结果,为研究具有不同形式微结构的编织复合材料本构关系,预测编织复合材料的弹性力学行为,搞清不同微结构对应的破坏模式和破坏机理提供参考。     

BP算法应用中的关键问题

分析了学习方法的选择、隐层数和隐层单元、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等使用BP算法时应考虑的问题,并将BP网络应用于化学反应催化模型。     

城市住宅加层改造处理技术

本文探讨城市住宅加层的各种技术方案,比较了各方案的优缺点,着重分析了住宅加层的两类技术方法。原建筑上部结构与地基基础的加固处理。     

接触单元对短撑杆式张弦桁架静力影响分析

短撑杆式张弦桁架是一种新型张弦桁架,是对传统张弦桁架的改进。采用有限元分析方法,对撑杆式张弦桁架索与撑杆接触单元模拟不同对桁架结构内力比较分析。     

院校新闻

上海大学发现碳纳米管新特性比头发丝的万分之一还细的一根碳纳米管,也能成为纳米器件的供能单元。近日,上海大学研究人员在国际上首次发现,碳纳米管在一定条件下可实现热能与机械能相互转化,这项成果有望令纳米能量转换器成为可能。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.     

天然气气化炉内介质乙二醇非稳态耦合热流场研究

目的 在天然气工业化应用中,液化天然气的高效气化是关键影响因素,为了在国家能源改革的大背景下,尽可能提升现有气化设备的运行效能,采用 ANSYS Fluent 软件对一种采用乙二醇作为中间载热介质的天然气气化炉内非稳态耦合热流场进行数值模拟。 方法 通过深入研究天然气气化炉传热传质机理,在总结前人研究仅考虑对流换热情况不足的情况下,将辐射换热加以考虑,构建出大空间非稳态自然对流及介质参与性辐射耦合传热模型,通过天然气加热、传热流动试验装置,对边界条件进行实验校准,验证数值分析模型的正确性。 结果 中间载热介质为乙二醇的气化炉运行时长达到 2. 0 h 后,传热量趋于稳定,内部热流场不再发生明显扰动,表明气化炉进入稳定运行阶段,此时炉内整体加热效率仅为 87. 35%,其中介质参与性辐射占总传热量的 27. 01%,气化炉底部形了范围较小的低温带,表明该工况下其内部运行存在难以消除的流动死角。 结论 在本文设置的工况下成,大筒体天然气气化炉内部流场分布情况不佳,气化炉的加热效率和启动时间有待进一步优化,炉内主要换热形式仍是自然对流,但不可忽略介质参与性辐射对总传热的贡献。     

基于深度学习GRU网络的UWB室内定位优化

为减少信号传输质量和距离估计算法等因素对定位精度的影响,将深度学习应用于超宽带（ultra wide band,UWB）室内定位系统,利用门控循环单元（gated recurrent unit,GRU）网络代替传统UWB室内定位系统中的三边测量过程,以提高UWB室内定位精度。在得到定位标签到基站的距离信息后,将距离信息输入GRU网络中,输出最终位置坐标。GRU作为循环神经网络（recurrent neural network,RNN）的变种,既含有RNN处理时序数据的优势,又解决了RNN中的长程依赖问题。对GRU网络模型中不同学习率、优化器、批量大小、网络层数、隐藏神经元数量参数进行调整和训练。结果表明,基于GRU网络模型的UWB室内定位系统显著提高了定位精度,平均定位误差为6.8 cm。