失谐周期排桩屏障的参数敏感性分析与近似计算

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:qqboygogogogo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于排桩施工方便、隔振效果好等优点,在工程中得到广泛应用。现阶段研究的排桩环境减振,假设排桩是理想周期性布置的。但是在实际工程应用中,由于设计、制造误差和施工等原因,很难实现这种完美的周期结构而出现失谐。因此,研究失谐周期排桩的减振性能更具有工程指导意义。本文以周期性理论为基础,取超胞为基本单元,研究了失谐周期排桩的环境减振效果并对其参数敏感性进行了分析,主要内容包括:(1)从几何参数和材料参数两方面对失谐周期排桩的参数进行敏感性分析,探讨了有关参数对平面内和出平面衰减域的影响;(2)对平面内问题衰减域的计算,提出等效半径公式,并借助BP神经网络对等效半径公式进行了修正及验证,进而对失谐周期排桩超胞单元的频散关系进行了简化计算,最后给出了超胞大小对精度影响的实用性建议;(3)建立了失谐周期排桩的数值分析模型,从频域和时域两个方面研究了失谐周期排桩的动力特性及对环境减振效果的影响。研究表明:失谐周期排桩对土的弹性模量和质量密度比较敏感,而对混凝土的相关参数并不很敏感。当用于描述失谐周期排桩的超胞含排桩个数较少时,采用修正的等效半径公式计算失谐周期排桩结构的衰减域,此时失谐率的变化和超胞中排桩个数的变化对衰减域的截止频率和起始频率影响较大;而当超胞中含排桩个数较多时,可以直接用周期性排桩来计算结构的衰减域。失谐周期排桩在衰减域内可以得到极大的衰减,但是衰减效果比周期排桩的衰减效果稍差。
其他文献
20世纪90年代以来,随着我国改革开放程度进一步加深、城市化进程的加快,农村大量剩余劳动力涌向城市,这在一定程度上为城市注入了发展动力和活力,但也由此产生一系列问题。其中,进城务工人员的子女的义务教育问题成为社会各界普遍高度关注的社会问题之一,针对这一问题,我国出台了一系列政策,旨在保障随迁子女的义务教育权利,解决他们在接受教育过程中所遇到的难题。这些政策在随迁子女顺利入学问题的解决上取得了重大突
2013年我国农民工总量已达2.69亿人,这样一个庞大的阶层进入城镇工作,在丰富城镇劳动力资源,弥补其劳动力供给的结构性不足的同时,很好地抑制了劳动力成本的上升速度,为发挥
铁电陶瓷能对多种外界场产生响应,它有望在如探测、传感、存储和固态制冷等多个领域获得应用。最近,具有磁电耦合效应的多铁性材料研究的兴起,也让新型铁电体成为了当今一大
目的:研究RNA结合蛋白RBM38在乳腺癌中调节HER-2表达的具体机制,并进一步研究RBM38增加曲妥珠单抗敏感性的的机理。探讨RBM38与HER-2之间的生物学效应以及在乳腺癌生物靶向治
随着纳米科技的飞速发展,纳米材料在物理、化学等领域扮演着越来越重要的角色。量子点(QDs)凭借其独特的光电特性,如连续且宽的吸收光谱,窄的发射光谱和优异的光稳定性广泛涉
混凝土是世界上使用最广泛的建筑材料,其耐久性是确定混凝土结构长期使用性能的基础。而水分和离子在水泥基材料纳米孔道内的传输与吸附是导致混凝土耐久性降低的重要原因。
在复杂工业的工作过程中,难免有一些高温、高压或者复杂危险的环境。为了保证生产过程安全、稳定、高效地运行,需要对生产过程设计报警系统(Alarm system)。报警系统应该在过程参数异常变化、设备出现故障等不正常情况下发出报警,并根据报警优先级告知操作员需及时消除的报警信号。但是在实际现场中,由于报警系统设计过于简单或者工业过程过于复杂,可能短时间内系统便会发出海量报警,操作员要想及时处理这些报警
基层公务员历来是公务员中占比最大的群体。基层新晋公务员作为基层公务员群体中的重要组成部分,其精神状态、工作状态必然直接影响基层公务员自身,乃至公务员整体的形象。基层新晋公务员由于身处基层,入职时间较短,往往肩负着各方面的工作压力,更容易受到职业倦怠现象的侵袭。在职业选择之初,民众往往较为看重公务员这一职业的稳定性和较高的社会地位,从而将其视作一个较好的职业选择。但是,近年来公务员的职业压力也在逐渐
随着中国经济快速发展,生活水平也在不断提高,环境污染问题越发严重,世界面临化石能源的枯竭,人们开始关注环境治理以及可再生能源的使用问题。在此背景下,促进清洁环保的新能源消纳以及推动电动汽车的发展成为未来解决环境问题、实现电能替代的主要方法。同时电力体制改革也在不断推进,电力需求响应技术逐渐成为推进新能源消纳、引导用户参与负荷调控的重要方法。本文主要联合光伏能源消纳和电动汽车充电负荷特性进行研究主要
三维重构是指以单幅或多幅二维图像作为输入利用计算机技术恢复其三维结构的过程。随着三维重构技术的不断发展,它在计算机视觉及相关领域得到了越来越广泛的应用。早期基于深度学习的三维重构技术大多采用三维监督学习方法,需要使用大量真实三维模型作为数据标注。近年来,研究者开始使用半监督或弱监督重构的方法逐渐代替三维监督,但是他们在降低标注规模的同时也损失了重构的精确度。本文针对基于弱监督学习的三维重构方法及其