摘要：为快速准确地获得具有优异耐水性氯氧镁水泥混凝土(MOCC)的配合比,设计了拓扑结构为4‑10‑2的粒子群优化(PSO)算法-反向传播(BP)神经网络(PSO‑BPNN)模型.该模型的输入层参数为n(MgO)/n(MgCl_(2))、粉煤灰掺量、磷酸掺量和磷肥掺量,输出层参数为MOCC的抗压强度和软化系数;模型数据集为144组,其中训练集数据为100组,验证集数据为22组,测试集数据为22组.结果表明:PSO‑BPNN模型在MOCC抗压强度预测中的评价参数——决定系数R^(2)=0.99、平均绝对误差S_(MAE)=0.52、平均绝对误差百分比S_(MAPE)=1.11、均方根误差S_(RMSE)=0.73;其在软化系数预测中的评价参数——R^(2)=0.99、S_(MAE)=0.44、S_(MAPE)=1.29、S_(RMSE)=0.62;与BP神经网络(BPNN)模型相比,PSO‑BPNN模型具有更强的双参数预测能力,可用于MOCC配合比的正向设计和反向指导.

摘要：型叠合梁为气动钝体结构,容易发生气动失稳。本文以一座Π型截面叠合梁斜拉桥作为工程背景,采用风洞节段模型试验与计算流体动力学(CFD)方法,对主梁的涡激振动性能及相应的气动抑振措施展开了研究。在风洞节段模型试验中获得涡激振动风速区间,讨论了不同气动措施的抑振效果,运用计算流体动力学(CFD)方法对主梁涡振发生机理及气动措施抑振机理进行了初步研究。结果表明:在原始断面下,由于尾迹区旋涡的周期性脱落以及主梁上、下表面旋涡演变的相互作用,导致了涡激振动发生。在采取三种不同抑振措施后,除采用上L型导流板断面在+3°风攻角下发生扭转涡振外,其余优化断面均能使得来流平稳地通过,从而抑制涡振发生。本研究可对Π型叠合梁断面的斜拉桥抗风设计提供一定参考。

摘要：为了探究裂缝扩展路径及在不同条件下的扩展规律,该文基于ABAQUS软件中扩展有限元方法(extended finite element method,XFEM)模拟分析沥青混凝土半圆弯曲断裂试验中的裂缝扩展规律。通过对比他人试验及数值模型数据,验证了基于XFEM的有限元模型分析裂缝扩展的有效性。此外,该文建立干法油石分离再生复合路面二维模型,研究模型中施工缝宽度、预埋裂缝长度、偏转角及预设位置对裂缝尖端应力影响,结果表明尖端应力随着裂缝长度、偏转角增加而增大,而随着施工缝宽度增大呈现先减小后增大趋势,随着偏移距离变大则先增大后减小。该文研究结果有助于复合路面反射裂缝定量分析与表征,为复合路面设计及后期养护提供了参考与依据。

摘要：与一般公铁桥梁不同,磁悬浮轨道梁的温度场会受到周围磁场与功能件升温的影响。由于我国规范暂未对磁浮轨道梁均匀温度和温差分量的极值作出明确规定,研究具有概率保证的温度分量代表值具有重要意义。根据长沙磁浮运营线某混凝土箱梁1年多的现场温度监测数据,分析梁体均匀温度与竖向等效线性温差的时变特征。研究分别采用单变量线性回归法(ULR法)和梯度提升回归树法(GBRT法)建立基于气象因素的结构温度分量预测模型,对比发现GBRT法不仅能提高均匀温度的预测精度,还能克服ULR法无法预测竖向等效线性温差的局限性。而后将1960—2019年的长期气象数据输入到建立好的GBRT预测模型中,得到磁浮箱梁各温度分量60年的长期预测值,经整理后得到均匀温度和竖向等效线性温差的日极值、年极值样本。结合最大熵极值模型和Fourier函数得到各温度分量的日极值时变曲线,对年极值样本建立最大熵模型并确定百年重现期下的温度分量代表值。研究结果表明:磁浮箱梁均匀温度呈现以年为周期的季节性变化,竖向等效线性温差受太阳辐射影响,呈夏季高、冬季低的特点;百年重现期下磁浮箱梁均匀温度和竖向等效线性温差的代表值分别为44.4℃、8.6℃。该方法结合GBRT算法和最大熵极值模型,解决了极值分析中年极值样本不足的问题,结果可为磁浮轨道梁的温度变形设计提供参考。

摘要：为研究轻量化碳纤维复合材料抗损伤尤其是抗分层能力增强策略,首先对复合材料原位横向拉伸和剪切强度进行参数化分析,指明材料薄层化后能提升材料的原位强度并改善其抗损伤性能。然后,通过短梁弯曲试验分析得到面外载荷作用下基体裂纹扩展是导致层合板内部分层的重要原因,并构建基于经典Hashin准则和考虑原位效应的材料损伤模型,运用该材料模型对短梁弯曲失效行为开展仿真分析。最后,将该损伤模型和材料强化方案推广应用至局部冲击载荷下层合板损伤分析中。研究结果表明:当正交铺层短梁的单层厚度减少到原来的1/4时,其弯曲强度显著提升48%,结构失效位移也显著变大;层间分层被抑制和结构强度提升的原因在于基体中裂纹萌生和扩展被显著推迟。在相同冲击载荷下,薄层化层合板内部分层区域明显减小,表明薄铺层设计方案提升了碳纤维复合材料层合板局部冲击分层抗性。

摘要：针对传统差分进化算法在解决复杂优化问题时性能不足的问题,提出了一种双重经验结合的自适应差分进化算法,该算法提出了基于个体经验和集体经验结合的参数自适应机制.在该机制中,每个个体都有自己的缩放因子和杂交概率,并且个体同时利用自身经验和多个成功个体的集体经验来自适应地更新参数值.该机制不仅很好地利用了个体自身的演化信息,还结合了集体的有益信息,有利于生成优秀个体,提高算法性能.此外,自适应差分进化算法设计了一种新的带外部存档的变异策略,该变异策略引入了一个调整变异策略贪婪性的参数,这个参数在进化过程中随着函数评价次数的增加而动态变化,自适应地调整变异策略在不同进化阶段的贪婪性,较好地平衡了算法的勘探和开采,进而提高算法性能.在CEC2017基准集上对算法进行数值实验,并将自适应差分进化算法与多个改进的差分进化算法进行了比较.实验结果表明:自适应差分进化算法取得了较好的求解结果,并在整体上优于其他算法.

摘要：为改善钢夹板-螺栓连接胶合木梁的刚度在到达极限荷载55%~70%区间内存在减小的问题,设计制作了3组共12根钢筋增强钢夹板-螺栓连接胶合木梁,通过改变配筋率进行三分点加载试验,并与相同设计参数的胶合木梁和钢夹板-螺栓连接胶合木梁进行对比试验。观察记录试件的受力过程和破坏现象,实测各组试件的极限承载力、荷载位移曲线和应变曲线,对比分析增强筋对各组试件破坏机理、抗弯刚度和极限承载力的影响规律。试验结果表明:与钢夹板-螺栓连接胶合木梁相比,钢筋增强钢夹板-螺栓连接胶合木梁的抗弯承载力和整体弯曲刚度在增强筋的作用下均有显著提高,钢夹板-螺栓连接试验梁在到达极限荷载55%~70%区间内刚度减少问题得到明显改善。钢筋增强钢夹板-螺栓连接试验梁的破坏形式随着配筋率的增大,逐渐由受拉脆性破坏向受拉延性破坏再到受压延性破坏进行转变。增强梁截面应变沿高度方向的分布基本符合平截面假定。依据试验数据和理论推导,得出了钢筋增强钢夹板-螺栓连接试验梁抗弯计算公式,其理论结果与试验结果吻合较好。研究表明,在钢夹板-螺栓连接胶合木梁受拉区配置增强筋可以有效改善其后期刚度减少的问题,并提升其抗弯性能,可为此类连接木梁的增强提供理论依据和试验支撑。

摘要：类矩形装配式地铁车站纵向等效抗弯刚度是衡量其力学行为的重要参数,对于构件结构设计、抗弯承载能力验算具有重要作用。为了分析地铁车站纵向抗弯性能及其影响因素,根据等效连续梁的转角计算公式,得出了纵向等效抗弯刚度(EI)eq及纵向等效抗弯刚度有效率η的隐式表达式。通过截面参数分析,探讨了构件长度对中性轴距离c值、等效抗弯刚度有效率η值、截面最大应力的影响;研究了上下圆弧块厚度、曲率半径、圆心角及半短轴长b值对装配式构件截面上的最大应力的影响规律;为了反映装配式车站环缝实际作用范围,引入了环缝影响系数λ,拓展了类矩形装配式衬砌纵向等效连续化模型。研究结果表明:不同构件长度下截面应力分布状态及η值保持不变,且弯矩方向对其影响较小。在弯矩不变的前提下截面最大应力受半短轴长b值影响较大。当顶板块厚度t1处于0.6~2 m范围时,截面最大拉应力随半短轴长b增加而降低6.8%~9.3%;当底板块厚度t3处于0.6~2 m范围时,随着半短轴长b增加,截面最大压应力降低62.5%~63.6%。随着λ由0增加到1,纵向等效抗弯刚度有效率η由1降低到0.05%且变化趋势逐渐降低,与纵向等效连续化模型计算结论一致。本文研究结论对于装配式地铁车站预制构件结构设计及抗弯承载能力验算可提供有效参考。

摘要：准确、快速获取隧道围岩级别对工程设计、施工及运营意义重大。结合多个四川高速公路隧道项目,共采集7000余张隧道掌子面图像,并利用数据增广方法将数据集扩充至20000余张。按节理裂隙特征、风化卸荷情况、地下水发育情况3种像特征对数据集进行分类标注,并按8:2的比例划分为训练集与验证集。结合深度学习方法,实现掌子面围岩分级特征参数提取识别。搭建了VGG系列、ResNet系列、DenseNet系列、GoogleNet、InceptionV3等卷积神经网络分类模型,并引入准确率、查准率、召回率及F1值等多种评价指标对比分析多种卷积神经网络分类模型的围岩特征(掌子面图像的节理裂隙特征、风化卸荷特征以及地下水发育特征)识别效果。研究结果显示基于DenseNet模型分类识别效果最好,分类准确率分别为:围岩节理裂隙特征87.5%,风化程度特征90%,地下水发育程度特征91.5%,且各特征的F1值均在0.789以上,最高为0.944,平均值为0.852。此外,对DenseNet系列分类模型进行可靠性验证,基于CAM以及Grad-CAM对模型进行分类决策可视化研究分析,分类决策热力图结果显示分类结果与标签特征的强度、位置及范围强相关,为掌子面围岩智能分级提供一定的可解释性,同时也证明了分类模型的预测效果理想。研究成果为利用深度学习进行围岩特征提取提供了新思路。

摘要：大部分的化学药物都存在多晶型现象。药物多晶型的理化性质差异直接影响固态药物制剂产品的稳定性、有效性和安全性,因此药物多晶型的研究是药物化学、制造和控制的重要组成部分,也是影响高端原料药及制剂质量的关键因素。多晶型预测技术可以高效指导试错性实验的筛选,降低传统筛选实验遗漏稳定晶型带来的风险。药物分子多晶型预测技术正在不断发展进步,最初是基于量子力学和计算化学等理论计算,后有应用人工智能的机器学习关键技术,以及联合理论计算和机器学习两者优势共同预测晶体结构。目前,准确预测药物分子晶型依旧具有挑战性,但有望借鉴并综合现有技术,开发更加精确且高效的预测晶型技术。