【摘 要】
:
社会经济的发展使得越来越多的深水桥梁工程在交通运输业中承担起越来越重要的角色。利用Morison方程法建立深水桥墩等效模型,对地震作用下产生墩-水耦合作用效应的结构进行动力响应分析,不仅物理概念清晰,更提高了地震响应分析的效率。其中,合理地选择水动力系数计算动水压力,是正确地分析地震作用下深水桥墩等效模型动力响应的关键。然而,对于水动力系数的取值研究,大多都集中在波浪的作用情况下,而地震所引起的静
论文部分内容阅读
社会经济的发展使得越来越多的深水桥梁工程在交通运输业中承担起越来越重要的角色。利用Morison方程法建立深水桥墩等效模型,对地震作用下产生墩-水耦合作用效应的结构进行动力响应分析,不仅物理概念清晰,更提高了地震响应分析的效率。其中,合理地选择水动力系数计算动水压力,是正确地分析地震作用下深水桥墩等效模型动力响应的关键。然而,对于水动力系数的取值研究,大多都集中在波浪的作用情况下,而地震所引起的静水条件下得取值情况还没得到详细说明,且在不同的水深环境以及结构类型工况下,深水桥墩的动力响应规律也有待进一步探究。本文利用ANSYS Workbench有限元软件,从小尺度截面桥墩数值模型中提取作用在结构上水动力的瞬时计算值,根据最小二乘法原理运用MATLAB对地震作用下水动力系数进行求解,在忽略阻力系数的情况下,对所求得的惯性力系数进行定量分析并与已有文献的求解结果进行对比,验证其合理性,并给出不同截面深水桥墩下惯性力系数的取值建议。最后利用对惯性力系数的分析结果,建立地震作用下深水桥墩等效模型,并对不同入水深度与长细比工况下的深水桥墩进行动力响应分析,给实际工程应用提供参考建议。研究发现:(1)桥墩的自振频率随着入水深度比以及长细比的增加而减小,且高阶频率所受入水深度比变化影响较低阶频率的大;(2)入水深度比越大,动水效应对深水桥墩的动力影响越显著;(3)在14~100长细比范围内,四种动力响应指标呈现不同的变化趋势,墩顶位移峰随着桥墩长细比的增大使而增大,墩顶加速度峰值响应在长细比为30左右存在极大值,而墩底剪力与弯矩峰值则随着长细比的增大呈现出反比递减的趋势;(4)通过与基于势流理论的有限元模型对比,对本文所建立的等效模型正确性进行了验证,并得出在入水深度比小于20%,或在长细比为18~25范围内,模型精度相对较好的结论。
其他文献
Universum学习是一种建立在Universum数据上的机器学习模型。Universum数据指的是一种与二分类问题的数据处于同一域,但却不属于其中任何一个类别的数据。Universum数据含有该领域的先验知识,会对学习算法的分类性能起到重要的作用。因此,如何选取合适的Universum数据参与学习是Universum学习中的一个关键点。另外,为了建立较为准确的机器学习模型,传统的机器学习算法都
随着现代信息科技的不断进步,数据的维度急剧增长,使得人们难以把握数据的本质,进而对数据加以利用,而在特征选择、迁移学习等领域,受图嵌入思想启发,所构建的模型往往能取得较好的效果。因此,基于图嵌入并结合其他方法,挖掘数据的潜在几何结构,并获取关键特征,达到降维的目的,将是一个可行的研究思路。具体地,本文基于图嵌入的两种方式,即自适应图嵌入和预构建图嵌入,提出两个新的无监督特征选择模型,即联合图嵌入与
随着互联网的普及,传统的线下购物方式不再是购物的主体,线上购物平台不断发展。在这个背景下,虚拟换衣技术应运而生,人们足不出户就可以在虚拟平台上体验到不同服装的试穿效果。虽然虚拟换衣算法研究在3D建模和图像领域已经取得了巨大的进步,但在视频领域还几乎是处于空白。视频在互联网中还有很大的用户需求和商业潜能,将虚拟换衣算法和视频领域结合起来成了亟待解决的问题,本文具有非常重要的理论意义和应用价值。本文具
现如今的药物研发工程对资金、时间的花销和人才技术要求都很高,由于一个实验室的经费和人员往往有限,人们开始寻找一种门槛更低的研究方法,因此药物重定位这个可以使得制药成本和周期缩减的方法获得了广泛关注。随着近年来相关研究的积累以及药物数据库的开放使用,基于药物与疾病的异构数据的药物重定位已经成为当前的研究热点。虽然研究人员已经提出了很多不同的计算方法,但现有的计算方法大都存在着仅使用单一的相似性、不能
云存储服务以其存储方便、价格低廉等特点,吸引了大量的用户,而众多云存储用户上传的海量数据中存在许多重复数据。为了节约存储成本、减少网络带宽消耗,云存储服务提供商(CSP)会采用数据去重技术。而用户为了保护隐私数据不被他人窃取,一般会对数据进行加密,再上传至云端进行存储。由于加密密钥的不同,使得同一份文件加密后得到的密文也不一样,所以传统的重复数据删除技术往往不适合云存储数据去重。同时由于云存储用户
在计算机视觉领域中,多目标跟踪是一个研究的热点方向,具有重大的学术价值。例如智慧城市中的全自动、全天候、实时监控的智能视频系统。在传统视频监控系统中,对于多目标跟踪,存在耗费大量人力资源和不能实时处理等问题,需要采用计算机视觉技术对监控画面进行智能分析与处理。基于深度学习的多目标跟踪技术是一种高效的端到端学习框架,深度神经网络模型是一种用于捕捉与目标跟踪位置强相关信息的有效方法。在实际复杂场景,如
建筑机器人已有一定程度的成熟技术及工程应用,但现有建筑机器人功能单一,对工程场景的适应性与标准化程度不高,具有通用底盘的多功能建筑机器人标准化研究与应用不足。还具有基于施工环境下的仿真设计方法研究不足,机器人智能控制与基于BIM技术的数据驱动方法结合不足等问题。从工业机器人向建筑机器人发展,机器人体系设计应满足施工状况要求。BIM模型是工程信息化载体,结合BIM技术研究机器人驱动方法有利于推进建筑
智能系统从人类演示视频中理解人类的动作并学习新技能的任务是设计自主工作机器人的一个新趋势。人类可以直接通过观察他人的行为来理解动作和实现模仿,然而,让机器人能够根据对人类活动的观察来执行相应的动作仍然是机器人技术的一大挑战。随着智能机器人的普及,市场对能够理解人类演示并执行各种任务的机器人系统的需求也会越来越大。因此,在探索如何提高机器人智能系统水平的道路中,构建从视频中学习机器人操纵指令的框架具
近年来的研究表明,长非编码RNA(long noncoding RNA,lncRNA)在很多生物过程中发挥着特别关键的作用,几乎涉及到生物体的全部生物学过程,并且许多复杂疾病的发生发展与lncRNA的突变或者错误调节是有关的,但是两者之间存在的关系还没有完全掌握。虽然传统的生物实验方法可以准确地鉴定lncRNA与疾病之间存在的关系,但是这种方法显然会浪费大量的人力、时间以及经济成本。因此,利用已知
命名实体识别任务的目的在于高效地从文本信息中抽取实体信息,是自然语言处理的基础性工作,但受制于数据中未登录词的影响,导致命名实体识别的效果欠佳,造成数据信息的丢失与遗漏,并影响到关系抽取等自然语言处理的上层任务,因此为保证实体信息的有效识别与提取,命名实体识别的研究工作变得尤为重要。现有研究主要围绕深度学习技术展开,采用深度学习技术能够在输入输出间建立映射关系,从文本数据中得到更加低维且信息量丰富