HT-7 Tokamak离子回旋波和低杂波等离子体逃逸电子行为研究

HT-7 Tokamak拥有离子回旋波(ICRF)和低杂波(LHW)两套加热系统.ICRF主要对加热离子有比较好的加热效果,LHW则主要是通过电子Landau阻尼加热电子.除此之外,在ICRF和LHW协同加热的条件下,可以对等离子体产生更有效的加热效果,增加等离子体的聚变反应截面,增加聚变中子产额.本文报道了LHW对改善ICRF和等离子体耦合的重要作用,ICRF和LHW加热等离子体中电子温度随时间的演化过程;计算了放电过程中电子逃逸的阈值能量,分析了逃逸电子的产生过程,以及放电过程中的中子产额.研究结果发     

基于T-S模糊故障树的钻爆法施工隧道坍塌可能性评价

针对钻爆法施工隧道施工过程复杂、风险影响因素多、坍塌事故率高,且传统故障树分析方法的应用受概率和精确与或关系的限制以及事件状态只考虑"二态性"的问题,为降低施工风险和预防提供决策依据,提出一种基于T-S模糊故障树的钻爆法施工隧道坍塌可能性评价方法。该方法将模糊数和T-S模糊门引入到故障树分析中,用T-S模糊门代替传统逻辑门描述事件之间的联系,体现出系统故障机制和事件联系的模糊性,同时降低了故障树的建立难度。用模糊数描述各底事件的故障概率和故障程度,克服了传统故障树过度依赖精确故障概率以及不能考虑事件故障状态对系统影响的问题,该方法不仅实现了用底事件的先验模糊可能性和施工中实际故障状态两种不同的方式计算隧道坍塌可能性,而且可以根据底事件重要度分析结果指导风险控制工作。对两个工程实例进行了分析,应用结果表明,所提出的方法相比传统故障树更加符合工程实际,能够更加科学、合理地评价隧道坍塌的可能性以及确定关键致险因子,可作为隧道施工安全风险分析和管理的决策工具。     

基于SFLA-GRNN模型的基坑地表最大沉降预测

为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型（SFLA-GRNN模型）。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法（SFLA）对广义回归神经网络模型（GRNN）的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。     

基于T-S模糊故障树的地连墙+支撑支护基坑坍塌可能性评价

针对基坑支撑围护结构复杂、坍塌事故频发,且传统故障树分析方法的应用受概率和精确与或关系限制的问题,提出了一种基于T-S模糊故障树的地连墙+支撑支护基坑坍塌可能性评价方法。该方法利用模糊数描述各底事件的发生概率和故障状态,克服了传统故障树过度依赖精确概率以及不能考虑事件中间故障状态对系统影响的问题;同时,以T-S模糊模型替换传统的逻辑与或关系,体现了故障机制和事件联系的模糊性,降低了故障树的建立难度。该方法实现了用底事件实际故障状态和底事件模糊概率两种不同的方式计算基坑坍塌可能性,并可根据底事件重要度分析结果指导风险控制工作。实例分析表明:该方法比传统故障树更加贴合工程实际,可以更加科学、可靠地评价发生坍塌的可能性并确定关键致险因子,可作为基坑坍塌可能性评价的有效工具。