盾构机盾尾密封状态监测技术研究

来源 :智能物联技术 | 被引量 : 0次 | 上传用户:turobc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
盾构机作为高机械化隧道施工机械已广泛应用于城市地铁、综合管廊以及大直径公路隧道工程.盾尾密封作为盾构机的三大密封系统,用来抵抗同步注浆及地下水压力,一旦盾尾密封失效,轻则造成同步注浆泄漏至盾尾、注浆量不足,重则造成盾尾涌水涌砂、地表沉陷.本文介绍了盾尾密封原理、盾尾密封形式,分析了盾尾密封影响因素,并基于既有的盾构机传感器参数数据提出了一种盾尾密封状态评价体系,以实现对施工中盾尾密封情况的监测和预警.
其他文献
河南晋控天庆煤化工有限责任公司工业燃气(LNG)项目,配套低温甲醇洗装置,在其实际运行过程中,出现了硫化氢分离器液位波动、酸性气气相管线堵塞、热再生塔回流槽甲醇中油含量较高、开车系统水含量较高等影响正常生产的问题.通过改进措施,提高了经济效益,保证了生产系统安全稳定运行.
5万t/a三聚氰胺装置尾气与CO2汽提法尿素装置联产,通过增加中压系统等一系列工艺与设备改造,实现了增产节能目标.
化工企业生产安装有大量的换热器,需要利用循环水对工艺介质进行冷却降温,以满足工艺运行需求,因此循环冷却水系统能否稳定运行直接影响化工生产.某化工企业通过对现有循环冷却水系统进行优化改造,包括旁滤器进口增设除铁装置、凉水塔封闭改造等,稳定了循环水水质,达到节水减排目的.同时,通过风机驱动由电机改为水轮机拖动,有效降低了循环水用电量,实现了循环冷却水系统的稳定经济运行.
为深化探索装备作战效能评估方法,以某型防空导弹武器系统为评估对象,基于ADC(availability dependability capacity)效能评估模型,从武器系统的作战流程、人的因素、目标特性、对抗环境4个方面对模型进行了实战化改进.示例显示,通过将上述4个方面的实战要素融入评估模型,较为全面、合理、准确地评估了某型防空导弹武器系统在一定环境条件和任务背景下的作战效能.
以平流层柔性充气囊体为研究对象,对分隔帘布式和高压气柱式2种不同内部结构的充气碟形囊体结构力学性能进行了研究.建立了基于膜单元和非线性接触算法的有限元模型,得到了2种构型囊体结构在相同压差及承载作用下的变形及应力分布,并通过试验结果的对比分析验证了仿真分析的准确性.研究结果显示,高压气柱式囊体结构在气柱表压较大时刚度更好且应力分布更均匀,能有效避免褶皱等失效模式.
激光制导武器已广泛运用于作战,其精准特性对打击桥梁等重要军事目标效果突出.各类型桥梁的荷载传递方式不同,其薄弱环节也不同.桥梁属于固定点状作战目标,点状目标对打击精度要求高.选取典型的跨江海大桥进行受力分析,基于曲线拟合选出合适的激光制导武器瞄准点,结合飞机突击角度、指示器安全指示范围、激光制导武器“投篮”战术,提出了空对地激光制导武器打击跨江海大桥的运用方法.此研究结论可为空对地打击桥梁作战提供理论参考,也为我方对跨江海大桥的防空兵力配置提供理论支撑.
针对目标检测后仍存在剩余杂波影响雷达跟踪和占用数据处理资源等问题,提出一种基于遗传算法(genetic algorithm,GA)优化反向传播(back propagation,BP)神经网络的雷达杂波抑制方法.通过分析雷达目标点迹和杂波点迹差异化的特征,选取多维特征作为输入自变量,设计BP神经网络分类器模型,对雷达目标点迹和杂波点迹进行分类识别,进而滤除杂波.在数据输入时,利用遗传算法对神经网络的输入自变量进行优化选择,降低输入数据维度,缩短建模时间.在神经网络训练时,利用遗传算法优化BP神经网络的初始
鉴于传统故障树模型难以表达事件多态性、模糊性的情况,提出了一种基于区间贝叶斯网络的复杂系统可靠性分析方法.针对故障树模型中事件具有多状态的问题,提出了贝叶斯网络正向推理与反向推理方法,确定了底事件/顶事件处于不同状态下,顶事件/底事件处于不同状态的概率指标;针对底事件故障失效率难以确定的问题,引入三角模糊子集和区间三角模糊子集确定了不同输入条件下复杂系统的可靠性指标.分析验证了建模的准确性和可行性,在工程实践中具有较大的实用价值,可推广应用于小样本失效数据复杂系统的可靠性分析与故障诊断中.
大数据时代,数据爆炸性增长,要求数据存储高性能、可扩展、低能耗、低延迟、高安全、高可靠以及长久保存.本讲座介绍了大数据存储系统的发展背景及现状,并基于大数据存储系统的需求,对闪存技术、新型非易失存储器、面向NVM的文件系统和分布式存储技术相关研究现状以及所做主要工作进行了介绍.新型存储器件的出现给大数据存储系统带来了新的发展机遇,但如何形成与之相适应的新的芯片、器件和设备,最后运用到大数据存储系统中,使之发挥作用,满足复杂应用环境需要,是未来研究和发展的趋势.
针对电子商务产品评论数据中存在垃圾评论的问题,本文利用评论文本的语义距离来进行垃圾评论识别,基于Stacking集成思想提出一种基于DBSCAN和Mean Shift的融合聚类算法对文本向量进行聚类分析.垃圾评论由于在语义上与有效评论距离较大,会被分到主要簇之外,形成小簇或者离群点进行垃圾评论识别区分.实验结果表明,融合聚类算法既可以避免DBSCAN内存消耗大的问题,又可以有效解决Mean Shift因迭代次数多导致运行时间长和准确率受随机选择初始质心影响的问题.