检索结果-南通市图书馆

Computer vision-aided DEM study on the compaction characteristics of graded subgrade filler considering realistic coarse particle shapes

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Railway Engineering Science 2024年第2期32卷 194-210页

作者： Taifeng Li Kang Xie Xiaobin Chen zhixing deng Qian Su Railway Engineering Research Institute China Academy of Railway Sciences Corporation LimitedBeijing 100081China Department of Civil Engineering Central South UniversityChangsha 410075China School of Civil Engineering Southwest Jiaotong UniversityChengdu 610031China

The compaction quality of subgrade filler strongly affects subgrade *** main objective of this research is to analyze the macro-and micro-mechanical compaction characteristics of subgrade filler based on the real shape of coarse ***,an improved Viola-Jones algorithm is employed to establish a digitalized 2D particle database for coarse particle shape evaluation and discrete modeling purposes of subgrade *** indexes of 2D subgrade filler are then computed and statistically ***,numerical simulations are performed to quantitatively investigate the effects of the aspect ratio(AR)and interparticle friction coefficient(μ)on the macro-and micro-mechanical compaction characteristics of subgrade filler based on the discrete element method(DEM).The results show that with the increasing AR,the coarse particles are narrower,leading to the increasing movement of fine particles during compaction,which indicates that it is difficult for slender coarse particles to inhibit the migration of fine ***,the average displacement of particles is strongly influenced by the AR,indicating that their occlusion under power relies on particle *** dis-placement and velocity of fine particles are much greater than those of the coarse particles,which shows that compaction is primarily a migration of fine *** the cyclic load,the interparticle friction coefficientμhas little effect on the internal structure of the sample;under the quasi-static loads,however,the increase inμwill lead to a significant increase in the porosity of the *** study could not only provide a novel approach to investigate the compaction mechanism but also establish a new theoretical basis for the evaluation of intelligent subgrade compaction.

关键词： Subgrade filler particles Deep learning particle Shape analysis Particle library Compaction characteristics Discrete element method(DEM)

Physical modeling of long-term dynamic characteristics of the subgrade for medium-low-speed maglevs

在线全文

学校读者我要写书评

暂无评论

Railway Engineering Science 2023年第3期31卷 293-308页

作者： Minqi Dong Wubin Wang Chengjin Wang Zhichao Huang Zhaofeng Ding zhixing deng Qian Su School of Civil Engineering Southwest Jiaotong UniversityChengdu 610031China National Engineering Research Center of Geological Disaster Prevention Technology in Land Transportation Southwest Jiaotong UniversityChengdu 611756China China Railway Maglev Transportation Investment Construction China Railway Construction Corporation LimitedWuhan 430000China

To investigate the dynamic characteristics and long-term dynamic stability of the new subgrade structure of medium-low-speed(MLS)maglevs,cyclic vibration tests were performed under natural and rainfall conditions,and the dynamic response of the subgrade structure was *** dynamic response attenuation characteristics along the depth direction of the subgrade were compared,and the distribution characteristics of the dynamic stress on the surface of the subgrade along the longitudinal direction of the line were *** critical dynamic stress and cumulative deformation were used as indicators to evaluate the long-term dynamic stability of the *** show that water has a certain effect on the dynamic characteristics of the subgrade,and the dynamic stress and acceleration increase with the water *** the dowel steel structure set between the rail-bearing beams,stress concentration at the end of the loaded beam can be prevented,and the diffusion distance of the dynamic stress along the longitudinal direction *** dynamic stress measured in the subgrade bed range is less than 1/5 of the critical dynamic *** postconstruction settlement of the subgrade after similarity ratio conversion is 3.94 mm and 7.72 mm under natural and rainfall conditions,respectively,and both values are less than the 30 mm limit,indicating that the MLS maglev subgrade structure has good long-term dynamic stability.

关键词： Medium-low-speed maglev Subgrade Dynamic characteristics Long-term dynamic stability Model test

基于天-空-车-地一体化铁路路基灾害隐患早期识别与服役状态监测

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2024年第8期49卷 1392-1406,1421页

作者：李永威徐林荣陈昀灏邓志兴中南大学土木工程学院湖南长沙410075 中南大学高速铁路建造技术国家工程研究中心湖南长沙410075 湖南大学土木工程学院湖南长沙410082

气候系统变化背景下铁路路基灾害呈高发态势,表现出点多面广、隐蔽性强和突发性高等特征,且路基灾害“一点受灾,全线受阻”的巨大危害,已经使其成为铁路安全运营的“瓶颈”难题。多次铁路事故表明风险源大多不在已知灾害隐患点范围内,... 详细信息

气候系统变化背景下铁路路基灾害呈高发态势,表现出点多面广、隐蔽性强和突发性高等特征,且路基灾害“一点受灾,全线受阻”的巨大危害,已经使其成为铁路安全运营的“瓶颈”难题。多次铁路事故表明风险源大多不在已知灾害隐患点范围内,传统监测手段已难以满足复杂孕灾环境下的路基服役安全监测需求。鉴于此,首先总结了不同孕灾环境下路基灾害隐患特征,将路基服役状态监测定义为长期服役过程中受突发型灾害、缓变型致灾作用下可能导致路基结构损伤或功能损失等服役状态劣化的危险源及路基本体受灾程度监测,监测内容包括路基变形监测、结构健康监测、沿线地质灾害监测、几何状态测量和外部环境监测;提出了天-空-车-地多源协同路基灾害隐患早期识别与服役状态监测体系,形成了平台协同、尺度协同、参数协同、多部门协同的路基灾害协同监测内涵,初步提出多源协同路基灾害及服役状态监测方案,实现区域-工段-工点为主线的星地协同的工作模式,并在沪宁城际高速铁路路基服役状态监测中得到应用;最后对路基服役状态监测发展方向进行了展望。

关键词：铁路路基地质灾害早期识别服役状态天-空-车-地调查技术多源协同监测体系

基于机器学习的高铁边坡位移预测不确定性度量与应用

在线全文

学校读者我要写书评

暂无评论

中国铁道科学 2024年第1期45卷 56-67页

作者：邓志兴谢康李泰灃苏谦韩征肖宪普中南大学土木工程学院湖南长沙410083 西南交通大学土木工程学院四川成都610000 中国铁道科学研究院集团有限公司铁道建筑研究所北京100081 石家庄铁道大学土木工程学院河北石家庄050000

为解决不确定性问题对高铁边坡位移预测精度的影响,引入区间预测理论量化位移预测中的不确定性问题,并建立Bootstrap-GRU-BP混合区间预测模型(BGB模型)。该模型首先采用基于Bootstrap的门控循环单元(Gated Recurrent Unit,GRU)算法度量... 详细信息

为解决不确定性问题对高铁边坡位移预测精度的影响,引入区间预测理论量化位移预测中的不确定性问题,并建立Bootstrap-GRU-BP混合区间预测模型(BGB模型)。该模型首先采用基于Bootstrap的门控循环单元(Gated Recurrent Unit,GRU)算法度量位移预测均值和认知误差的方差,再采用BP算法度量随机误差的方差,然后将位移预测均值、认知误差和随机误差的方差3者结合在一起,量化出一定置信水平下的预测区间。最后,基于杭绍台高铁沿线边坡的监测数据,探讨BGB模型认知不确定性的响应特征,并通过对比多种区间预测模型来验证BGB模型的优越性。结果表明:BGB模型不仅能构造清晰可靠的预测区间,还能提供高精度的点预测结果;改变模型输入特征和预测算法会导致认知不确定性的改变,而BGB模型所构造的预测区间能正确地响应不确定性的变化;对比以极限学习机(Extreme Learning Machine,ELM)和支持向量回归(Support Vector Regression,SVR)为核心的区间预测模型,BGB模型的区间预测和点预测性均能更优。研究成果可为高铁边坡位移发展提供可靠的预测结果,进而为高铁边坡可靠度分析提供理论基础。

关键词：边坡位移预测不确定性度量区间预测机器学习 Bootstrap算法

高铁级配碎石振动压实下力学机制演化与颗粒破碎研究

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2023年第9期20卷 3217-3228页

作者：谢康陈晓斌尧俊凯王业顺邓志兴中南大学土木工程学院湖南长沙410075 中国铁道科学研究院集团有限公司铁道建筑研究所北京100081

为准确表征出高铁级配碎石填料的压实过程,采用新型智能振动压实仪,分别从物理力学层面表征出级配碎石的压实过程。提出改进Viola-Jones算法量化出振动压实过程中级配碎石颗粒粒径、颗粒形状的演化规律,最后通过离散元方法揭示了振动压... 详细信息

为准确表征出高铁级配碎石填料的压实过程,采用新型智能振动压实仪,分别从物理力学层面表征出级配碎石的压实过程。提出改进Viola-Jones算法量化出振动压实过程中级配碎石颗粒粒径、颗粒形状的演化规律,最后通过离散元方法揭示了振动压实中的颗粒破碎对级配碎石宏细观力学性能的影响机制。研究结果表明:在振动压实试验中,级配碎石的干密度在振动压实过程中不断增大,而力学性能Kb却出现了“软化”的现象;级配碎石在振动压实前后级配没有明显变化,内部粗颗粒细长比变化也不明显,而圆度在压实后逐渐增加,表明级配碎石在振动压实过程中的颗粒破碎模式并非为颗粒被压碎,而是颗粒边缘突出、薄弱部位被分化、磨圆,可采用圆度来量化振动压实过程中颗粒破碎程度(研磨度);试样强度随着研磨度的增加而逐渐减小,且呈现出三阶段演化机制:0.1≤DF≤0.4时,试样强度损失较小;0.4

关键词：高铁路基振动压实颗粒破碎形状演化力学特性离散元法

基于能量最小原则的高铁填料压实过程振动参数优化

在线全文

学校读者我要写书评

暂无评论

中南大学学报（自然科学版） 2023年第9期54卷 3731-3742页

作者：陈晓斌谢康尧俊凯惠潇涵王业顺邓志兴中南大学土木工程学院湖南长沙410083 中南大学教育部重载铁路工程结构重点实验室湖南长沙410083 中国铁道科学研究院集团有限公司铁道建筑研究所北京100081 中国铁路广州局集团公司广东广州510440

为了动态优化高铁路基碾压参数,以提高高铁路基填料碾压效率,提出了一种基于振动能量最小原则的振动参数优化方法。首先,开展室内振动压实试验,以建立振动参数与干密度之间的定量关系;其次,采用改进神经网络方法建立干密度增量预测模型... 详细信息

为了动态优化高铁路基碾压参数,以提高高铁路基填料碾压效率,提出了一种基于振动能量最小原则的振动参数优化方法。首先,开展室内振动压实试验,以建立振动参数与干密度之间的定量关系;其次,采用改进神经网络方法建立干密度增量预测模型,构建基于能量最小原则的压实过程振动参数优化方法;最后,基于Modbus通讯协议,优化设计出振动参数可调的智能振动压实仪,并通过振动压实试验验证优化结果。研究结果表明:振动强度达到阈值后,进一步增大振动强度会导致压实仪发生“跳振”,严重影响振动设备使用寿命;改进神经网络模型能够较好用于预测干密度增量;提出适用于动态优化的遗算法(genetic algorithm,GA)算法的最佳参数,即种群数量为150,选择概率为0.9,交叉概率为0.6,变异概率为0.05;在此最佳参数下,能有效保证动态优化方法的准确性;采用优化后振动压实方案能够减少振动能量127.58 J,占优化前能量输出的25.61%,填料破碎率减小0.9%。

关键词：高铁路基填料智能压实振动强度振动参数动态优化神经网络

维普期刊数据库博看期刊

基于ML预测不确定性的边坡失稳时空概率评估方法与应用研究

在线全文

学校读者我要写书评

暂无评论

土木工程学报 2024年第9期57卷 109-122页

作者：邓志兴谢康李泰灃苏谦肖宪普王业顺刘宝中南大学湖南长沙410075 中国铁道科学研究院集团有限公司铁道建筑研究所北京100081 西南交通大学四川成都610000 石家庄铁道大学河北石家庄050000 中国铁路设计集团有限公司天津300308

为解决机器学习(Machine Learning,ML)边坡位移预测中的不确定性及预测信息挖掘深度不够等问题,提出基于ML预测不确定性的边坡失稳时空概率评估方法。首先,基于Bootstrap算法度量ML边坡位移预测中的不确定性,利用GRU算法预测边坡单一点... 详细信息

为解决机器学习(Machine Learning,ML)边坡位移预测中的不确定性及预测信息挖掘深度不够等问题,提出基于ML预测不确定性的边坡失稳时空概率评估方法。首先,基于Bootstrap算法度量ML边坡位移预测中的不确定性,利用GRU算法预测边坡单一点位的位移时间特征、Kriging算法插值边坡位移空间分布,建立Bootstrap-GRU-Kriging边坡位移时空不确定性预测模型;接着,利用可靠度理论挖掘位移时空不确定性预测结果,建立边坡失稳时空概率评估模型,基于最不利原则提出边坡全断面位移-失稳概率二元耦合分析指标DP;最后,依托杭绍台铁路硅藻土边坡试验段验证模型的有效性。结果表明:边坡位移时空不确定性预测模型兼具ML边坡位移预测不确定性量化和时空分布预测功能,边坡失稳时空概率评估模型不仅能得到边坡失稳概率空间分布及时变特性,还能实现边坡整体安全的高效评价;所提方法构造的预测区间清晰可靠,各测点预测区间覆盖率PICP均值高于96%,DP指标可响应边坡变形过程中外界所造成的影响。研究成果可为边坡位移预测及超前评估理论研究提供参考。

关键词：边坡位移机器学习不确定性度量可靠度理论时空概率评估 DP指标

在线全文

学校读者我要写书评

暂无评论

高速铁路级配碎石填料振动压实劣化机制研究

铁道科学与工程学报 2024年第5期21卷 1701-1713页

作者：肖宪普谢康李新志郝哲睿李泰灃邓志兴石家庄铁道大学土木工程学院河北石家庄050043 中南大学土木工程学院湖南长沙410075 中国铁道科学研究院集团有限公司铁道建筑研究所北京100081

揭示振动荷载下高速铁路路基级配碎石填料压实劣化的影响机制对提高路基服役性能具有重要意义。首先,采用智能振动压实仪开展级配碎石填料振动压实试验,探究级配碎石填料物理指标干密度ρd、力学指标动刚度K与振动压实劣化的相关性;其次... 详细信息

揭示振动荷载下高速铁路路基级配碎石填料压实劣化的影响机制对提高路基服役性能具有重要意义。首先,采用智能振动压实仪开展级配碎石填料振动压实试验,探究级配碎石填料物理指标干密度ρd、力学指标动刚度K与振动压实劣化的相关性;其次,对不同振动压实阶段的级配碎石填料进行X-CT(X-ray Computed Tomography)扫描试验,揭示级配碎石填料振动压实劣化的主控因素;最后,基于劣化主控因素建立不同劣化程度的高精度三维振动压实离散元模型,探究级配碎石填料压实劣化与主控因素的内在联系,进而深入揭示级配碎石填料振动压实劣化的细观机制。研究结果表明:振动压实过程中,可通过动刚度K曲线的“拐点”表征级配碎石填料振动压实劣化状态;通过X-CT试验明确级配碎石填料振动压实劣化的主控因素为粗颗粒研磨破碎,进一步提出研磨度DF指标量化级配碎石填料的压实劣化程度;振动压实离散元模型中级配碎石填料的细观结构演化特征表明,随着DF的增加,填料各向异性、力学配位数、粗颗粒接触力均逐渐减小,从而使级配碎石填料的内部结构稳定性和动刚度K减小,且当DF≥0.68时,各向异性、力学配位数、粗颗粒接触力链与动刚度K减小速率均降低。研究结果对高速铁路路基级配碎石填料的振动压实质量控制具有重要指导意义。

关键词：高铁路基级配碎石振动压实劣化粗颗粒研磨 X-CT 离散元

基于粗颗粒动态演化过程的高铁填料振动压实机理研究

在线全文

学校读者我要写书评

暂无评论

岩土工程学报 2024年第4期46卷 803-813页

作者：谢康陈晓斌尧俊凯李泰灃王业顺邓志兴吕鑫龙中南大学土木工程学院湖南长沙410075 中国铁道科学研究院集团有限公司铁道建筑研究所北京100081

为了揭示高铁粗粒土填料振动压实机理,以典型的高铁基床表层级配碎石填料为研究对象,首先基于自行研制的大型振动压实仪,建立连续干密度ρ_(rd)、动刚度Krb以及修正地基系数K20的压实质量评估体系;然后利用X-CT对压实过程中的级配碎石... 详细信息

为了揭示高铁粗粒土填料振动压实机理,以典型的高铁基床表层级配碎石填料为研究对象,首先基于自行研制的大型振动压实仪,建立连续干密度ρ_(rd)、动刚度Krb以及修正地基系数K20的压实质量评估体系;然后利用X-CT对压实过程中的级配碎石进行扫描,从粗颗粒动态演化角度揭示级配碎石的压实机制。研究结果表明:整个压实过程中,不同土体类型的级配碎石ρ_(rd)均呈现出急速上升-缓慢上升的趋势,而Krb和K20却呈现出急速上升-缓慢下降的趋势。进一步,提出压实嵌锁点Tlp以量化出级配碎石的压实性能拐点特征。振动压实过程中当60%的粗颗粒长轴趋于水平排布时(处于Tlp状态),即呈现出振动压实稳定态;而后进一步压实,易导致粗颗粒发生以表面研磨为主的破碎现象,破坏骨架稳定性,降低压实性能。最终通过离散元模拟验证该机制的正确性。研究成果可从细观层面揭示振动压实机理,为高铁智能碾压质量评估提供新的方法。

关键词：高铁路基级配碎石压实机理 X-CT 动态演化量化表征