局部点蚀损伤下H型钢柱承载能力研究∗

为了研究局部点蚀损伤对 H 型钢柱承载能力的影响,建立数值模型并理论验证了其合理性。以实际结构中损伤位置为参考,分别在柱脚和柱中位置的翼缘和腹板上布置不同腐蚀程度的点蚀坑,并对各组模型进行特征值屈曲分析和非线性屈曲分析,得到其屈曲模态和极限承载能力。研究结果表明：不同分布位置、不同腐蚀程度下的 H 型钢柱屈曲模态并未发生明显改变,均表现为在弱轴平面的弯曲失稳;极限承载力折减系数(r)与壁厚损伤度(α) 近似呈现线性关系,与点蚀损伤强度(DOP)之间的关系可用二次多项式较为准确的描述,且随着 α 和 DOP 增长,r 的降低速度有逐渐加快趋势;局部点蚀范围越靠近柱中,H 型钢柱承载力损失越多,故柱中为局部点蚀敏感区;用失重率(D_w)可较好的综合考虑 α 和 DOP 对钢柱承载能力的影响,r 和 D_w在各工况下均表现出较好的近似线性关系,在实际工程中,可用失重率对局部点蚀损伤下 H 型钢柱进行安全性评级。     

埋地管道-砂土横向相互作用试验及理论研究

通过埋地管道-砂土的横向相互作用试验,研究了砂土密实度、管径、埋深等对土体极限抗力的影响,初步探讨不同埋深下的管土相互作用规律。根据试验中浅埋与深埋下管周土体不同的破坏模式,分别建立了管周土体破坏简化计算模型。借鉴桩土相互作用p—y曲线方法对管周土体发生不同破坏模式时的土体极限抗力进行了理论推导,并给出分别适用于浅埋与深埋工况下的土体极限抗力计算公式。结果表明,埋地管道-砂土相互作用简化计算公式与已有试验及数值模拟结果均具有较高吻合度,验证了公式计算结果的准确性。     

基于IAOA-KELM的储气库注采管柱内腐蚀速率预测

针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm, AOA)与核极限学习机(Kernel Extreme Learning Machine, KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降低因子、采用黄金正弦算法缩小搜索空间,提高局部开发能力,利用改进阿基米德优化算法(Improved Archimedes Optimization Algorithm, IAOA)优化KELM正则化系数(C)和核函数参数(γ),进而建立IAOA-KELM储气库注采管柱内腐蚀速率预测模型;使用MATLAB软件运用该模型对某注采管柱内腐蚀数据集进行学习与预测,将IAOA-KELM模型与KELM、粒子群优化算法(Particle Swarm Optimization, PSO)-KELM、AOA-KELM结果进行预测误差对比。结果表明,IAOA-KELM模型的预测值与实际值较为拟合,其E_RMSE为0.65%,E_MAE为0.39%,R²...     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

拉深润滑剂性能评定的模拟试验机方法

介绍了拉深用润滑剂性能评定的模拟试验机法,包括评定系统的组成和原理,及其评定的主要指标.     

基于极限学习机回归的海水Chla浓度预测方法

有效监测海水Chl a浓度状况对近海赤潮等海洋灾害的预警预报有着重要意义。运用灰色关联分析法确定预测模型的输入变量,可有效降低预测模型系统维数。采用极限学习机回归方法建立海水Chl a浓度预测模型,通过与广义回归神经网络、支持向量机回归二种模型的预测效果进行对比,表明极限学习机回归预测模型具有较好的预测精度、预测效率和泛化能力,能够实现针对研究水域环境下Chl a浓度的有效预测。     

特大黄土滑坡事故责任认定中的岩土力学问题

在滑坡影响因素研究的基础上,采用极限平衡和数值模拟的方法分析了西部某矿山特大黄土滑坡灾害的发生机理,认为此次滑坡是在断层和地下开采等不利条件下,由大气集中降水诱发黄土湿陷形成的推移式滑坡,与管线漏水形成的“过湿带”不构成直接因果关系,为事故责任认定,解决矛盾纠纷提供了理论依据。     

一种快速检测甲胺磷的方法

由于农药的不合理利用以及对检测速度的要求,本文应用水溶性碳化二亚胺(EDC)法将甲胺磷与BSA连接,合成了免疫抗原,经紫外扫描确定免疫抗原连接成功.用合成的免疫抗原免疫实验用大白兔,制备了甲胺磷的多克隆抗血清,效价达到1:1000000以上.经盲样检验,抗体灵敏性和特异性较好;在检测样品时最低检测极限为0.5 ng/g,达到国际同类检测试剂盒的水平;且可以在1.5 h内检测100多个样品.     

基于SA-ELM的爆破震动速度预测

针对爆破震动速度与其影响因素之间的复杂非线性,结合模拟退火算法(SA)的全局寻优性,提出了一种新的SA-ELM算法.以矿山周边建筑物爆破震动实测数据作为训练样本,选取总药量、最大段药量、测点与爆破点距离、地面震动特性、建筑物震动特性等8个影响因素作为输入变量,建立了爆破震动速度预测的SA-ELM模型.模型训练值和预测值与实测值的均方误差(MSE)分别为0.20和3.26,平均相对误差控制在5％以内,显示出该模型具有良好的训练精度和泛化能力.对比传统ELM模型,SA-ELM模型不但提高了精度和泛化能力,而且降低了隐层节点数变化对训练结果的影响,提高了模型的稳定性.     

火灾中植筋连接构件的抗火性能试验研究

为研究火灾中植筋连接构件的抗火性能,进行了35个化学植筋试件在不同温度下(25～200°C)的拉拔试验以及12个植筋连接混凝土构件的受火试验。拉拔试验重点研究了植筋胶的粘结力随温度变化的规律,以及不同温度下植筋胶的粘结—滑移关系,结果表明:随着温度升高,植筋胶的粘结力显著下降。植筋构件的受火试验中,考虑了植筋深度(15d,20d,d为钢筋直径)和保护层厚度(25、40、60mm)两种影响因素。首先对6个试件按ISO834标准升温曲线升温(荷载为常温下植筋构件设计承载力的10%),到指定时间后,加载至构件破坏失效,结果表明:植筋深度和保护层厚度对火灾中植筋连接构件的极限承载力均有重要影响。其后进行了6个构件的恒载升温试验(荷载为常温下常规植筋构件设计承载力的80%),直至构件破坏,结果表明:当保护层厚度小于40mm时,植筋深度和保护层厚度对耐火极限均有重要影响;当保护层厚度大于40mm时,对耐火极限的影响植筋深度要大于保护层厚度。