【摘 要】
：
为解决传统衬砌台车在巨跨扁平地下洞库衬砌施工中面临的结构复杂、跨度巨大、体型超大、组装困难、成本巨高等问题,攻克被覆结构工程施工体积大、面积大、自重大、钢筋密集等技术难题,结合某在建地下洞库被覆结构跨度大、矢跨比极小等特点及被覆结构施工需求,融合盘扣式支架体系与全液压衬砌台车的技术优点,采用整体式顶推滑行的设计思路,研制出一套可快速组装的顶推滑行式巨跨地下洞库被覆混凝土施工装备。该装备涵盖顶托调节
论文部分内容阅读
为解决传统衬砌台车在巨跨扁平地下洞库衬砌施工中面临的结构复杂、跨度巨大、体型超大、组装困难、成本巨高等问题,攻克被覆结构工程施工体积大、面积大、自重大、钢筋密集等技术难题,结合某在建地下洞库被覆结构跨度大、矢跨比极小等特点及被覆结构施工需求,融合盘扣式支架体系与全液压衬砌台车的技术优点,采用整体式顶推滑行的设计思路,研制出一套可快速组装的顶推滑行式巨跨地下洞库被覆混凝土施工装备。该装备涵盖顶托调节式模板、盘扣支架式门架、顶推滑行式底盘、旋转对接式布料、插入式振捣等系统结构设计技术,辅以液压、电气控制技术,集成台车自主行走技术,混凝土浇筑、振捣、养护、监测等施工技术,并在某巨跨地下洞库得以应用,取得了良好的施工效果。应用结果表明:顶推滑行式盘扣支架重型衬砌台车结构简单、强度高、承载能力强、组装容易,可以有效降低工人劳动强度,节约成本,提高施工效率与质量。
其他文献
在研究流体的流动问题时,一般假设流体为不可压缩流,且当流体的流动与时间无关时,此时的不可压缩流称为定常不可压缩流。在流体问题中,定常Stokes方程是一个至关重要的模型,研究其数值离散方法对于理解和认识不可压缩流具有重要意义。本文考虑了定常不可压缩Stokes方程及其特征值问题,建立了相应的数值算法,并进行了数值计算和分析。主要研究内容包括两部分:（1）针对Stokes问题,首先描述了所要研究问题
随着计算机断层成像技术（Computed Tomography,CT）在医学和工业上的应用越来越广泛,CT图像重建算法已成为备受瞩目的研究热点.在各种重建算法中,全变差迭代算法由于能保持良好的图像细节信息且重建速度较快等优点,一直受到人们的关注.以CT图像重建为研究背景,将全变差模型与优化算法融合,对CT图像重建问题进行分析与研究,主要有以下几个方面:（1）详细叙述了CT图像重建的研究背景、意义、
变系数部分非线性模型不仅具有参数模型解释性强和非参数模型灵活性好的优点,还可以捕获到响应变量与某些协变量之间的一些复杂的潜在非线性关系,具有广泛的适用性。基于众数回归方法的估计量在模型误差具有厚尾特性或者含有异常值时更加高效稳健。在高维数据分析中,变量选择可以从众多的协变量中挑选出显著影响响应变量的协变量的同时得到其有效的估计。缺失数据是实际应用中经常遇到的复杂数据之一。因此,基于众数回归的相关理
线性码因其良好的代数结构及快速的编码和译码算法,已成为编码理论中重要的研究内容。在现实生活中,好的线性码在移动通信、雷达、卫星通信、航空航天等领域有重要且广泛的应用。因此构造性能良好的线性码或给出线性码的界,具有重要的理论意义及实际应用价值。由线性码的重量分布可以反映出码的最小距离,从而知道码的纠错和检错能力。特别是低重线性码在秘密共享,认证码、强正则图、以及结合方案等多个领域有重要的应用。然而计
近年来,计算机视觉研究蓬勃发展,在视频监控、无人驾驶、虚拟现实等领域带给人们新的体验。图像分割、目标检测和跟踪是计算机视觉领域内的重要任务,是一系列高级任务的基石。本文将复杂网络社团检测方法应用于图像分割、运动目标检测和多目标跟踪,具体工作内容如下:（1）提出了一种基于图像轮廓信息的网络构建和图像预分割算法。首先利用MS算法检测图像中的轮廓,将轮廓划分的区域作为网络中的节点,区域间的颜色相似性作为
群智能优化算法是通过模拟自然界中自然现象规律和生物群体的社会行为而提出的,其对求解大规模复杂优化问题提供了新途径,因此被广大学者广泛关注。人工协同搜索算法是基于双种群之间的相互作用而提出的一种全局搜索算法,该算法由于操作过程简单且其对控制参数敏感性较低而常被用于解决实际优化问题。为了进一步提高该算法的性能,本文提出了两种改进方法,并将其应用于求解旅行商问题。具体研究内容如下:1.提出了基于Sigm
分类是数据挖掘中最重要的方法之一,应用十分广泛。模糊k近质心近邻算法（FKNCN）是将经典的模糊k近邻算法（FKNN）和k近质心近邻算法（KNCN）相结合。该算法充分利用质心领域概念找到合适的近邻,并利用模糊理论为待测试样本分配模糊隶属度,从而提高样本质量和分类精度。其具有简单且易于实现等特点。但该算法仍存在不足之处。如:将样本特征同等对待;不能识别出噪声样本;选用固定的参数k值等。本文的主要工作
红外小目标检测与跟踪的目的就是为了找出红外小目标图像序列中小目标的位置、速度等参数,而红外小目标具有成像距离远、运动速度快、目标微弱等特点,这些都是检测与跟踪中存在的挑战。本文的检测算法主要是从近几年研究热度较高的基于视觉对比机制的检测方法入手进行研究改进;跟踪算法则是从跟踪性能较好的相关滤波跟踪方法入手,分析其在红外小目标图像序列中产生偏移的原因并进行改进。本文主要研究内容包括以下三个方面:（1
运动目标检测是计算机视觉领域的热门研究方向,广泛应用于智能视觉监控、智能交通等领域。由于现实场景中存在光照变化、镜头抖动等多种干扰因素,研究高精度和强鲁棒性的运动目标检测算法具有重要意义。近年来复杂网络理论被应用到图像处理和计算机视觉领域,取得了理想的研究成果。本文围绕基于复杂网络理论的运动目标检测算法展开研究,具体工作有如下三个方面。（1）提出了一种基于属性网络的图像分割算法（SAINS）。首先
分数阶微积分自提出以来历经几百年的发展,如今已广泛的应用于生物系统、水文学、抗震分析、图像处理等领域。由于理论研究的局限性,分数阶偏微分方程的解析解不易求得,这阻碍了分数阶微积分在科学和工程计算领域的深入应用,因此,寻找行之有效的数值算法求解此类方程具有重要的实际应用价值。本文将B样条无网格配点法应用于求解时间和空间分数阶对流扩散方程,解决了如下三个方面的问题。首先,针对一维非线性时间分数阶对流扩