引红济石引水隧洞围岩力学特性研究

引红(红岩河)济石(石头河)引水隧洞围岩断层带破碎松软,岩石强度低,自稳能力差,易产生大变形。以上不良地质条件使其隧洞施工过程中经常会遇到TBM卡机等一系列特殊问题。针对引红济石引水隧洞施工中存在的软岩隧洞大变形问题,首先开展了X射线衍射、崩解试验,分析了试样的组成成分、黏土矿物含量对崩解性影响;再通过一系列单轴压缩试验、三轴压缩试验和蠕变试验研究了该类岩石不同应力条件下的变形破坏特征及蠕变特性。试验结果表明,该类岩石含有大量的黏土矿物(33.49%),对水比较敏感,遇水膨胀易崩解,导致岩体软化;试样具有较大塑性压缩变形,其应力-应变曲线为应变强化型,且没有明显的峰值。基于试验研究成果和现场监测数据,对该软岩隧洞大变形机制进行了分析,并提出了在围岩与管片之间安装聚氨酯缓冲层的新型支护方案,通过数值计算对支护方案的合理性进行了验证。分析结果表明:聚氨酯缓冲层可以很好地吸收围岩形变压力,避免应力集中带来的管片错台,从而大大减小管片上破坏区的产生。研究成果对该类岩体中隧洞的设计施工以及长期稳定性分析具有重要的参考作用。     

武汉钰龙金融广场超深基坑工程设计方案选型

以武汉钰龙金融广场超深基坑工程为实例,在结合常用的深基坑设计方案的基础上分别从基坑总体设计方案选定、基坑围护体系选定和设计、支撑体系选定、基坑降水选定、土方开挖方案选型和换撑方案的选定等方面进行探讨,并确定最终的基坑工程设计方案选型,即地下连续墙围护+3道内支撑+管井降水处理承压水的支护方案。     

基于钻进状态监测的智能工况识别

钻进过程状态监测旨在实时描述钻进工况,判断运行性能优劣程度进行非优追溯,及时指导司钻人员调整作业操作,保证钻进过程安全、高效、稳定开展。钻进工况是钻进系统运行状态的反映,因此开展面向状态监测技术的钻进工况识别研究具有重要的理论和应用价值。本文针对钻进工况识别问题,基于状态监测数据,建立基于支持向量机的钻进工况识别模型,对钻进工况进行识别。综合工况识别结果,对钻进效率进行评估,并对影响钻进效率的因素进行讨论,寻找提升钻进效率的手段。最后,采用钻进现场实钻数据进行仿真实验,验证所提方法的可行性和有效性。     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

隧洞衬砌中湿喷钢纤维混凝土的应用

基于湿喷钢纤维混凝土的性质，讨论了喷射混凝土的特点及其在暂时支护与永久支护中的应用。     

长江防洪决策支持系统——防洪知识库系统

防洪决策是一项十分复杂的决策性思维活动,它不仅需要大量数据型信息的支持,而且还需要大量文档型信息的支持.在分析防洪决策全过程对各种文档信息需求的基础上,广泛收集各种有关文档资料,经过整理分类,确立了防洪知识库的信息组织体系,然后在Windows系统下,利用它的联机帮助系统,通过创建帮助文件的方式建立了长江防洪知识库系统.该系统具有用户界面友好直观,操作简便,可为防洪决策者提供方便快捷的文档信息支持.     

临海浅埋富水明挖隧道底板合理支护参数研究

沿海地区深基坑设计施工都十分重视其抗浮问题,在深基坑开挖前掌握抗拔桩对于基坑隆起和围护结构变形及受力规律十分重要,其研究成果对于节约工程成本和保证基坑施工安全具有重要的指导意义。以港珠澳大桥侧接线拱北海关隧道明挖段为依托,首先建立抗拔桩与土体的硬接触模型,并验证该模型对于抗拔桩模拟的合理性,采用极差分析法研究底板不同桩长和桩径加固对基坑围护结构稳定性的影响规律。分析结果表明,增大桩长可更有效地减小地表沉降,增大桩径可更好地控制连续墙的变形,增大桩长和桩径都可以很好地控制坑底隆起。     

土钉与护坡桩综合结构在软土基坑支护中的应用

本文介绍了在软土地层中土钉护坡桩综合支护体系的设计与施工，实践证明，在软土深基坑支护设计中，应用综合支护体系，可以发挥各种支护体系的优点，弥补各种支护体系的不足，从而节省工程造价，缩短工期。     

隧道围岩弹塑性随机有限元分析及可靠度计算

在弹塑性有限元分析的初应力法基础上,推导了弹塑性随机有限元增量初应力法的计算迭代格式,结合可靠度理论,给出了围岩稳定的可靠度分析方法,在计算出可靠度的同时还给出了围岩和锚喷支护结构的应力特征值。并对一工程算例进行了详细的分析和讨论,得出了一些有益的结论。     

面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.