钢管混凝土K形节点脱空后的承载力与防脱空措施研究

为研究钢管混凝土K形节点脱空后的承载力以及防脱空措施，通过有限元方法，模拟计算了钢管混凝土K形节点脱空后的力学性能，提出了防脱空建议，并进行了验证。结果表明，当支管壁厚较小时，不同脱空率下节点破坏模式均为受压支管局部屈曲破坏，极限承载力大致相同，脱空只影响节点弹性刚度，且节点弹性刚度随着脱空率的增大而逐渐减小；支管管壁较厚时，破坏模式为主管表面塑性破坏或冲剪破坏；随着脱空率的增大，节点的刚度及承载力均逐渐下降；主管内增设PBL后，主管表面刚度得到提高，不同脱空率下节点破坏模式均变为受压节点的局部屈曲破坏，各模型承载力大致相同；相比于原脱空钢管混凝土节点，节点刚度及承载力均有提高；PBL可显著降低核心混凝土脱空产生的不利影响，当脱空率较大时，PBL作用更加明显。     

锚靴处弯曲应力对缆索承载能力影响的研究

悬索桥主缆钢丝或索股绕过主索鞍、散索鞍、锚靴等固定半径的转向装置时会产生弯曲应力。AS法特有构件锚靴的索槽半径更小，所产生的弯曲应力会接近甚至超过钢丝的屈服应力。分析了钢丝在索槽内的受力变化情况，并将钢丝的本构关系简化为双折线强化模型，按照屈服破坏准则和强度准则两种方法分析了锚靴半径对缆索承载能力的影响。结果表明，按照屈服准则时，钢丝或索股绕过锚靴等转向装置后的抗拉能力没有降低；按强度准则时，当锚靴索槽底面弯曲半径与钢丝直径之比不小于70时，钢丝或索股的破断力下降不足3.5%。考虑到缆索钢丝分项系数为1.85,因此锚靴处的小弯曲半径引起的弯曲应力对缆索承载能力的影响很小。     

含初始变形船体加筋板有效宽度及剩余极限强度研究

为了评估舰船结构损伤后的剩余强度,对船体加筋板出现初始几何变形后,参与总纵强度的有效宽度和加筋板剩余极限强度进行研究。将加筋板受到垂直于平面压力后的变形,作为其初始几何变形,改变变形的方向和大小,利用有限元软件Ansys对加筋板结构进行线性和非线性分析。定义了板有效宽度计算方法,对不同变形方向和变形幅值时板的有效宽度和加筋板的极限强度进行对比分析,并拟合得到了计算板有效宽度和加筋板极限强度的经验公式。结果表明,初始几何变形会削弱加筋板结构的强度。在对损伤后船体结构强度进行分析和校核时,提出的经验公式可以直接用来计算板的有效宽度和加筋板的极限强度。     

城市道路交通承载力研究综述

多年来，广泛的应用场景和领域使交通承载力的基础理论和量化研究方法等成为学术界的热点研究问题。作为城市交通可持续发展的重要指标，交通承载力向上与城市交通规划，向下与机动车需求管理融合，可以得到多个延伸的科研选题。在特定的时空网络中，一定的资源和环境约束条件下，城市道路交通承载力就是道路网络或基础设施现有或未来的承载状态，即交通资源达到最优配置、交通环境稳定时，道路交通设施单元或系统的承载能力或阈值。本文通过系统梳理城市道路交通承载力的国内外研究现状，从基础理论、量化研究方法和实践应用这3方面提出存在问题和发展建议。现有城市道路交通承载力研究存在理论体系不完善，评价量化方法有效性难以保证，评价指标选取缺少标准化，复杂系统承载力缺乏综合的内外部耦合协调分析，以及应用技术方法落后等问题。首先，未来可以建立较完善的交通承载力理论体系；其次，标准化评价指标，建立有效评价模型和耦合协调模型，研究交通系统内外部的耦合协调机制，提出协同优化策略；最后，改进应用技术方法，拓展自身及交叉领域应用。为城市道路交通承载力研究提供理论保障，为促进我国交通可持续文明发展建设进程提供有力支撑。     

不同UHPC加固措施的RC墩柱轴压性能试验研究北大核心

为指导桥梁墩柱加固设计,研究不同超高性能混凝土(UHPC)加固措施对钢筋混凝土(RC)墩柱轴压性能的影响,以加固方式(全高加固、非全高加固)、加固层材料(素UHPC、UHPC+钢筋网、UHPC+内FRP网格、UHPC+外FRP布)为参数,设计15根矩形RC墩柱试件(1个未加固试件、7个全高加固试件和7个非全高加固试件)进行轴压试验,分析其破坏模式和损伤机理,以及RC试件在轴压荷载作用下的极限承载力、刚度及延性等。结果表明:与未加固试件相比,全高加固试件、非全高加固试件的极限承载力提高率分别为142%~183%、28%~57%,但全高加固试件表现为脆性破坏,而非全高加固试件表现为延性破坏,宜根据工程实际需要采用合理的加固方式;采用不同加固层材料的加固效果为素UHPC、UHPC+内FRP网格、UHPC+外FRP布、UHPC+钢筋网依次递增,宜采用UHPC+钢筋网作为加固层材料。     

基于Parzen窗估计的一类加权极限自编码器

针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对样本分布的精确描述.特别地,极限学习机以自编码器的方式实现,并通过重构误差来确定样本类属.实验结果表明:与诸多传统方法相比,其不但具有更好的数据描述能力,而且兼具时间复杂度低的优点.