排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
为研究不同爆距水下爆炸对重力坝的毁伤效应,并探讨是否存在“最优爆距”,基于离心模型试验建立了炸药-库水-空气-重力坝结构的全耦合数值模型,并设计了60组数值计算工况。不同工况水深均为600 mm,炸药量为2.2 g,重力坝模型几何比尺为1/80,包含5组爆深(50~250 mm),每组爆深对应12组爆距,爆距范围为10~200 mm,相应比例爆距范围为0.077~1.54 m/kg1/3。对比分析了不同爆距水下爆炸对重力坝的毁伤程度,并定量比较了重力坝平均损伤、单元删除率、应力、应变等参数。结果表明,对于重力坝整体结构破坏,如重力坝整体弯曲导致的拉伸破坏,水下爆炸对重力坝的毁伤效应存在“最优爆距”,即随着爆距增加重力坝毁伤程度先增加后降低;与之类似,随着爆距的增加,重力坝上游坝面损伤区域的平均损伤、重力坝单元删除率、坝踵最大拉应力平均值和坝踵最大拉应变平均值先增加后降低且在40 mm爆距附近达到最大值。保持水深、炸药量和重力坝几何模型相同,5组不同爆深近水面水下爆炸对重力坝毁伤效应的“最优爆距”均在40 mm附近,表明近水面水下爆炸时爆深对“最优爆距”不存在显著影响。 相似文献
3.
基于卷积神经网络对TBM塌方段的反演分析 总被引:1,自引:0,他引:1
本文在已有研究工作的基础上,利用岩石扭剪掘进指标(TPI)和现场贯入指标(FPI),采用卷积神经网络和时间序列预测法,研究TBM掘进塌方段分析和预测的可能性。作者在输入功率与破岩效率相当的原理支持下,提出了将某一循环段的掘进效率指标FPI和扭剪掘进指标TPI作为训练和预测单元的技术路线。吉林引松工程TBM大数据库中记录了199列施工期间的各项参数和17处塌方事件,数据总量大、质量高,具有很高的科研价值。以上述指标作为机器学习的训练对象,对正常掘进段和石灰岩区域大规模塌方段66+000-66+350(桩号)进行了分析和预测。结果表明:塌方段实测FPI、TPI数值显著偏小,三项预测误差指标给出了“阳性”这一评价结论。相关研究成果为TBM领域的大数据机器学习提供了新的方法,为实现超前地质预警创造了有利条件。 相似文献
1