Sandwich形加筋土桥台受力性能数值模型研究

来源 :现代交通技术 | 被引量 : 0次 | 上传用户:nana9816245
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
为研究Sandwich形加筋土桥台受力和变形性能,通过FLAC3D软件建立Sandwich形加筋土桥台与传统的粗颗粒土加筋土桥台的数值计算模型,研究条形荷载作用下两种加筋土桥台的竖向沉降、水平变形、水平土压力及筋材处竖向压力的变化规律。研究中将计算结果与其他文献的结果进行比较,验证数值模型的正确性。结果表明:两种形式桥台的荷载—沉降变化规律一致,但Sandwich形加筋土桥台比粗颗粒土加筋土桥台极限承载力小8%;Sandwich形加筋土桥台比粗颗粒土加筋土桥台最大水平变形大4%;两类
其他文献
随着电磁环境越来越复杂多变,给电子对抗带来了很大的挑战,基于传统的脉冲描述字和信号识别方法已不能满足战场要求。针对复杂电磁环境下的辐射源精确识别问题,将基于相控阵雷达辐射源的细微特征,主要是包络特征和相噪特征,对其进行分析建模,并结合卷积神经网络提出了一种基于雷达中频数据和一维卷积神经网络的雷达辐射源个体识别方法,训练一维卷积神经网络来学习雷达辐射源信号的有效特征并进行识别。最后在不同信噪比条件下进行了识别仿真实验,得到了较好的识别正确率,证明了该方法的有效性和可行性。
文章阐述了现代水库施工质量管理的重要意义,分析了现代水库施工要点,探究了现代水库施工质量管理中存在的问题及应对措施.
当前水面舰艇作战试验评估指标体系构建存在方法不清楚、步骤不明确、可操作性不强的问题。研究了水面舰艇作战试验评估指标体系构建方法,设计指标构建的总体思路及流程,开展以“一能三性”为基本框架展开相关指标体系的构建,提出基于解释结构模型法(interpretive structural model,ISM),将指标体系复杂层次关系进行综合优化处理,形成结构科学、内容合理的评估指标体系。
文章阐述了公路桥梁工程材料检测的意义,说明了公路桥梁工程材料检测质量的影响因素,提出了公路桥梁工程材料检测质量的控制措施,分析了基础材料检测的具体方法。
干线公路交叉口路段车辙“屡坏屡修”已成为干线公路建设和养护工作中的痛点。以江苏省干线公路为研究对象,从交叉口路段车辙发生层位、交通量、车辙现状及发展速率角度,对干线公路交叉口路段车辙现状进行分析。结果表明,江苏省干线公路交叉口以双层AC结构为主,车辙变形层位主要是下面层,交叉口车辙发展速率是一般路段的两倍。交叉口路段双层AC结构、货车比例大、车速慢、频繁启停、温度场高均是导致车辙快速发展的重要因素。对交叉口抗车辙优化结构进行有限元仿真分析,得出优化结构Ⅰ竖向压应变和水平剪应力较好,且工程应用效果较好,建议
随着我国公路网的建设和完善,公路养护里程和公路服务水平需求日益增强,科学规划公路养护资金以及制定养护计划极为重要。结合路面工程养护实践,深入分析网级路面养护影响因素,提出基于多元数据融合分析的网级路面养护决策方案。该方案综合分析路面技术状况和交通量等数据,同时充分考虑资金、原路面结构和养护历史等因素,通过关联性分析建立养护决策模型,针对路况优先和资金约束两种情况制定详细的养护计划,并对结果进行多维度分析展示,为养护决策方案的制定提供实用的工具。通过选取某公路网进行养护决策试验,验证结果显示,本方案具备科学
钢板桩围堰由于其吊装技术复杂、精确度控制要求高等原因,经常是施工过程中的重点安全监测部位。为保证钢板桩围堰结构在施工过程中的稳定性和可靠性,及时获取动态监测结构全过程的变形与应力等响应,基于五峰山过江通道芒稻河特大桥工程,开发出一套用于钢板桩围堰施工的智能监测预警系统。该系统具有可视化界面,能够多终端、多平台、全气候条件下实时查看现场情况,可以提前预测危险并为现场人员及物资的调配提供支持。该系统运行稳定,可于类似项目中推广使用。
近几年,随着我国商业写字楼高度的不断提升,其占地面积、建筑面积也逐渐提高。在此背景下,高层建筑暖通设计工作面临巨大的挑战。基于此,文章从高层建筑暖通设计的常见问题入手,并阐述了其解决措施。
针对承受热载荷工况的结构,以加强筋作为研究对象,研究了一种通过引入铝基相变材料来延迟结构温升的热控方案,针对相变传热过程非线性强,灵敏度分析困难的问题,基于Kriging代理模型优化算法与设计变量较少的基于材料场级数展开的拓扑描述方法,提出了一种考虑相变传热过程与材料温度效应的以重量为约束,以截面抗弯刚度最大为目标的截面拓扑优化方法。并研究了2种铝基相变材料,得到了在热载荷作用下,使截面抗弯刚度最大的材料分布形式。对优化构型的分析表明,在TA15加强筋截面中加入铝基相变材料可以高效的延长加强筋结构在高温环
针对小型无人机威胁低空领域且在复杂电磁环境下难识别的问题,提出了一种基于卷积神经网络的信号识别算法。首先,分析了无人机应用背景下直接序列扩频信号的特性,并采用短时傅里叶变换获取信号时频特征;然后,利用提出的能量阈值降噪法降低时频特征中噪声成分;最后,设计了卷积神经网络用于分类识别。仿真结果表明,该算法在信噪比为-6 dB时可达到0.97的识别率,具备较强的鲁棒性和低信噪比环境适应性,其性能显著优于传统算法。