高墩大跨连续刚构桥运营阶段的收缩徐变分析

混凝土的收缩徐变具有时变特性,被考虑是引起大跨径连续刚构桥长期变形的主要原因之一.文章采用MIDAS/Civil结构分析软件,综合国内外三种收缩徐变模型（CEB-FIP 78模型、CEB-FIP 90模型和ACI 209 （92）模型）,以牛角坪大桥为背景,对大跨预应力连续刚构桥运营阶段的收缩徐变效应进行研究分析.通过比较,得出CEB1990模型与实测值比较吻合,对预测桥梁未来的变形提供了依据.在考虑了活载、收缩徐变、温度以及湿度对其运营阶段挠度和应力的影响之后,总结其规律,从而对同类桥型的设计与施工提供一定的依据.     

混凝土收缩徐变效应影响因素分析

根据混凝土收缩徐变机理,对混凝土收缩徐变效应的主要影响因素进行了分析,分析结果表明:徐变系数和收缩应变随构件与大气接触周长增加而增大,环境相对湿度变化对混凝土收缩效应较徐变效应更大。     

基于改进灰色GM（1，N）模型的建筑工程造价预测

本文采用一种改进的灰色GM（1,N）模型,在对西安地区今年建筑工程造价数据分析的基础上建立了预测模型。原始数据经过初始化及1-AGO 处理后,利用对背景值采取光滑优化处理,建立了新型的灰色预测模型。     

桉木制单板层积材的抗压强度预测模型

为了研究桉木制单板层积材的抗压强度预测模型,进行了342个试件的抗压试验,分析了试件纹理角度、胶层角度对其抗压强度、弹性模量和破坏模式的影响.采用指数模型拟合试件抗压强度,并通过卡方（χ2）检验来验证该指数模型和Hankinson公式、Norris公式以及GB 50005—2003规范公式对抗压强度的拟合度.结果表明：随着试件纹理角度、胶层角度的增加,其抗压强度和弹性模量均显著下降;抗压试件的破坏模式有3种,为纤维褶皱破坏、剪切破坏和压溃破坏;指数模型、Hankinson公式和Norris公式均能较好地拟合抗压强度,而GB 50005—2003规范公式拟合的抗压强度值偏高.     

也谈“锈蚀开裂前混凝土中钢筋锈蚀量的预测模型”

１原文中理论公式的改正文献［１］依据电化学原理，建立了一般大气环境条件下锈蚀开裂前混凝土中钢筋锈蚀量的预测模型。笔者以为，原文在理论推导过程中存在一些问题，现指出与原作者商榷。１．１原文中公式（７）是否合理？首先看模型简图，如图１所示。图中Ｏ为混凝土...     

基于一次累加法的城市燃气年负荷预测

由于燃气负荷原始时间序列非线性随机变化,而一次累加法具有削弱时间序列随机性的特点,提出了一次累加法在城市燃气负荷预测中的应用方法。实例表明,一次累加法预测模型精度高,预测结果可靠,可用于城市燃气年负荷预测。     

车削AISI420不锈钢切削力预测模型构建

为了进一步研究AISI420不锈钢的切削机制,在Third Wave Advant Edge中建立车削有限元模型,进行车削加工仿真模拟,并对实验数据进行回归分析,得到三向切削力的预测模型。结果表明:车削力预测模型拟合度较好,回归分析效果显著,有较高的置信度,可为AISI420不锈钢的切削研究提供理论参考。     

基于空间动力学优化的机床结构件质量匹配设计

提出基于整机空间动力学预测模型、以移动结构件质量为设计变量的多目标匹配设计方法. 基于机床移动件的工作行程构建整机工作空间,运用正交试验法进行空间位姿试验设计,建立整机空间固有频率预测模型;在工作空间内对机床进行动力学性能的灵敏度分析,识别动力学的最优位姿和最差位姿;以最差位姿机床固有频率为优化目标,采用多目标质量匹配法对移动部件的质量进行最佳分布设计;重新计算优化后机床的固有频率,通过频率响应分析,比较优化前、后机床在最差和最优位姿下的动力学性能. 结果表明,经过多目标质量匹配优化后,机床的固有频率得到了提高,刀尖节点的最大频响振幅明显降低,机床的整机动力学性能有了较大程度的改善.     

基于 SHEKF-GPM 融合的锂电池 SOC 估算

荷电状态（SOC）是电池控制策略和管理系统的重要参数。针对积分法和电压法估算锂电池 SOC 时不能减少误差累积现象,提出一种基于平方根高阶扩展卡尔曼滤波（SHEKF）与灰色预测模型（GPM） 融合的算法,用于估算锂电池 SOC。该方法结合遗忘因子递推最小二乘法（FFRLS）和二阶 RC 等效电路模 型实时在线辨识和修改锂电池模型参数,结合 SHEKF-GPM 融合模型进行锂电池 SOC 状态方程的线性部分 和非线性部分估算。通过仿真分析,得到 SHEKF-GPM 融合算法估算 SOC 时的误差低于 0.3%,协方差误 差为 0% 左右,不会产生误差累积。仿真结果表明,该方法能减少误差累积,提高电池管理系统估算锂电池 SOC 时的实用性、有效性和估算精度。     

水体中硝酸盐氮含量的UV-Vis光谱学在线测量方法

采集74份标准水样进行紫外可见波段全光谱扫描,结合Savitzky-Golay(SG)平滑算法、标准正态变换(SNV)、一阶微分(1st D)等6种方法对提取的光谱数据进行去噪处理,然后采用半监督近邻传播算法(SAP)、连续投影算法(SPA)、无信息变量消除算法(UVE)进行特征波长的选择。基于全光谱法建立了偏最小二乘(PLS)模型,基于特征波长建立了极限学习机(ELM)模型,另外把PLS回归模型得到的主成分作为支持向量机回归(SVR)、BP和RBF神经网络的输入建立了PCA+SVR、PCA+BP和PCA+RBF模型。结果表明:使用主成分分析结合RBF神经网络建立的PCA+RBF预测模型效果最优,其相对误差最稳定并保持在较低水平,测量上限高达数百mg/L,为实现水体中硝酸盐氮的在线检测和其他水质参数的检测奠定了基础。