XiaoMi-AI文件搜索系统
World File Search System残桩
接头 - DNV
Splice 求解采用非线性桩基础建模的线性弹性上部结构的桩结构界面点位移。“Splice”包括 Gensod、Pilgen 和 Splice 程序。Splice 这个名称用于单独的程序 Splice 以及桩程序套件 Gensod、Pilgen 和 Splice。Gensod 生成土壤曲线。Pilgen 创建桩数据；几何形状、横截面数据、重量、桩头载荷等。Gensod 和 Pilgen 都生成数据文件，然后由 Splice 读取。Splice 求解由土壤、桩和（如果需要）Sestra 生成的上部结构连接刚度组成的非线性方程组。图 1.2 显示了 Sesam 系统中 Splice 的概览。Sestra 将分析线性护套并生成减小的刚度矩阵和施加在耦合节点处的载荷矢量，即所谓的减小步骤。通过此输入，Splice 将解决非线性桩-土-上部结构系统并计算桩中的位移和力。这将输入到 Sestra，Sestra 将通过重追踪过程找到套管中的力和位移。该过程如图 1.1 所示。
使用残差 CNN-LSTM 神经网络进行基于 EEG 皮质源特征的手部运动解码
摘要 — 使用脑信号进行运动运动解码 (MKD) 对于开发用于康复或假肢设备的脑机接口 (BCI) 系统至关重要。表面脑电图 (EEG) 信号已广泛应用于 MKD。然而，来自皮质源的运动解码很少被探索。在这项工作中，已经探索了使用 EEG 皮质源信号进行手部运动解码以执行抓取和举起任务的可行性。特别是，利用了运动前 EEG 片段。提出了一种基于残差卷积神经网络 (CNN) - 长短期记忆 (LSTM) 的运动解码模型，该模型利用运动前大脑活动中存在的运动神经信息。在运动开始前 50 毫秒的各种 EEG 窗口用于手部运动解码。实际和预测手部运动之间的相关值 (CV) 被用作源域和传感器域的性能指标。在传感器和源域比较了所提出的深度学习模型的性能。结果证明了使用运动前 EEG 皮质源数据进行手部运动学解码的可行性。
主题演讲：桩基动力检测技术 - Fondytest
在过去的 12 年中，桩基动态测试的技术方面发展迅速，尽管不如解释和建模方面发展得那么快。这反映了在桩基动态测试领域创造实践突破而非理论突破的更高挑战。据观察，理论发展源于创新的测试和测量方法。在这个关头，预计更高质量的测量将成为未来十年测试实践发展的关键方面之一。本文试图总结桩基动态测试的当前最新技术方面。在讨论了桩基动态测试的一些基本原理之后，回顾了以下内容：测试方法、加载设备和测量，包括它们的获取和解释。桩基动态测试可以定义为使用动态效应（即通过质量和加速度的干预在桩内、桩外或桩边界产生力或应力）对桩进行测试。桩与加速（或减速）质量之间最常见的动态相互作用发生在打桩过程中，这促使应力波理论应用于桩基。根据这种撞击过程中发生的现象的一维公式，向下传播的波（q）和向上传播的波（t）可以表示桩的行为（De St. Venant，1867 年；Isaac，1931 年）。这些波以速度 c 传播，由表达式 c = ,/FJp 给出，其中 E 和 p 是杨氏
主题演讲：桩基动力检测技术 - Fondytest
在过去的 12 年中，桩基动态测试的技术方面发展迅速，尽管不如解释和建模方面发展得那么快。这反映了在桩基动态测试领域创造实践突破而非理论突破的更高挑战。据观察，理论发展源于创新的测试和测量方法。在这个关头，预计更高质量的测量将成为未来十年测试实践发展的关键方面之一。本文试图总结桩基动态测试的当前最新技术方面。在讨论了桩基动态测试的一些基本原理之后，回顾了以下内容：测试方法、加载设备和测量，包括它们的获取和解释。桩基动态测试可以定义为使用动态效应（即通过质量和加速度的干预在桩内、桩外或桩边界产生力或应力）对桩进行测试。桩与加速（或减速）质量之间最常见的动态相互作用发生在打桩过程中，这促使应力波理论应用于桩基。根据这种撞击过程中发生的现象的一维公式，向下传播的波（q）和向上传播的波（t）可以表示桩的行为（De St. Venant，1867 年；Isaac，1931 年）。这些波以速度 c 传播，由表达式 c = ,/FJp 给出，其中 E 和 p 是杨氏
基于管道的微尺度压缩空气存储（PPMS-CAE）的实验研究
摘要。压缩空气储能（CAES）技术一直在重新出现，这是解决可再生能源间歇性挑战的有希望的选择之一。与大型CAE（受地质位置的限制）不同，使用人造压力容器的小和微尺度CAE适用于配备有能量产生能力的网格连接和独立的分布式单元。研究小组最近提出了一个新的基于管道堆基的微尺度CAE（PPMS-CAE）的概念，该凯斯（PPMS-CAES）将建筑物的管子基础作为压缩空气储存容器。为了确定新概念的机械可行性，我们在模型和致密的土壤室中使用模型测试桩进行了实验室规模的桩载测试，该桩模拟了实际的闭合端管桩。在实验研究期间，对测试桩进行了重复的压缩气电荷（p max = 10 MPa）和放电（至P min = 0.1 MPa）的循环。在重复的空气加压和抑制过程中，密切监测了测试桩顶部的位移，有和没有结构载荷，在有和没有结构的载荷中受到密切监测。观察到在不同条件下堆积的垂直位移在延长的气电和排放循环中累积了，但是位移速率在周期内逐渐减弱。，并且土壤的结构负荷和密度影响了累积的垂直位移的大小。从分析中可以得出结论，PPMS-CAE的概念不太可能损害管道桩的机械完整性，同时显示出有希望的能量存储能力。
科威特主要项目
客户：公共工程部 顾问：Louis Berger Group Inc. & Pan Arab Consulting Engineers 承包商：科威特 Bruckner Const Cont Co ( KSCC ) 项目价值： 项目工期：42个月 状态：执行 该里程碑项目涉及以下岩土工程活动：- 为 Jahra 路沿线的拟建高架道路结构建造直径为 1200 毫米的压缩钻孔桩。 预计总范围 = 50,000 米 用于车辆绕行桥的直径为 1000 毫米的压缩桩。 用于人行天桥的直径为 600 毫米的压缩桩。 位于二环路和 Jahra 路的直径为 600 毫米的抗拔桩，数量约为 35,000 米。 使用接触桩为位于二环路和 Jahra 路的拟建地下通道提供支护工程。 为位于二环路和 Jahra 路的拟建地下通道进行排水工程。
AI-7250 此表是关键操作的摘要，
显示项目 内容 初始值 设定值 上位：第 1 显示 下位：第 2 显示 PV SP（目标值） SP 限值下限～上限 0 SP LSP 1（显示示例） LSP 组号 1～LSP 使用的组数（最多 8 个） 1 LSP（第 1 位 = 最右边的位） ST. 1-（显示示例） 步骤运行剩余时间 无法设定 - 步骤号 步骤号表示是上升斜坡、下降斜坡还是保温。 PV MV（操作量） -10.0 至 +110.0% - MV 可在 MANUAL 模式下设定（数字闪烁） HEAt 加热 MV（操作量） 无法设定 - 数字 -10.0 至 +110.0% COOL 冷却 MV（操作量） - 数字 Fb MFB（电机开度反馈值） 无法设定 - 数字t1. --（显示示例） 定时器剩余时间 2 同定时器剩余时间 1 -- 数值 E 1 内部事件 1 主设定 -1999 至 +9999U 或 0 至 9999U 0 数值 E 1. Sb 内部事件 1 子设定 数值 t 1. --（显示示例） 定时器剩余时间 1 无法设定 -- 数值 第 1 显示 表示显示 ON 延迟还是 OFF 延迟 E2 内部事件 2 主设定 同内部事件 1 主设定 0 数值 E2. Sb 内部事件 2 子设定 同内部事件 1 子设定 0 数值 t2. --（显示示例） 定时器剩余时间 2 同定时器剩余时间 1 -- 数值E3 内部事件 3 主设定 同内部事件 1 主设定 0 数值 E3. Sb 内部事件 3 子设定 同内部事件 1 子设定 0 数值 t3. -- (显示示例) 定时器剩余时间 3 同定时器剩余时间 1 - 数值
对能源堆应用及其经济分析的调查
摘要：在这项研究中，研究了飞机机库的加热和冷却需求，通过将热泵系统整合到无聊的桩中。为此，将U型桩热交换器安装在桩中。根据机库的加热要求，将600个无聊的桩与热交换器集成在一起。能量计算，并确定可以从地面中提取的总能量。主要目标是在不使用任何其他常规系统的情况下全年为机库提供冷却和加热。因此，提出了使用级别成本方法的热泵和传统系统的成本分析结果。研究结果表明，分别针对常规系统的年度运营成本（COM）PW，总运营成本（I OM）PW，同等的年度运营成本（COM）和目前状况的总年度成本（COM）和总年度成本（C t）降低了近38.5％，35％，35％和34％。简单的回报期计算为1。1年。最后，可以看到，使用能量桩可以全年提供机库的加热和冷却要求，而无需任何其他常规系统。关键字：地面源热泵，能量堆，桩热交换器，可再生能源。
使用亨利的气体溶解度优化和粒子群优化的机器学习技术估算桩结算
确保建筑项目是安全的，例如堆叠结构，需要考虑在此期间免疫结构。桩定居点（PS）是一个重要的项目问题，并且正在引起广泛关注，以防止在施工开始之前发生故障。几个用于估算桩运动的项目可以帮助了解加载阶段的项目的观点。在PS模拟中使用了最聪明的策略用于桩运动的数学计算。因此，在本文中，考虑了精确的桩运动计算，考虑了开发的框架操作支持向量回归（SVR）以及亨利的气体溶解度优化（HGSO）和粒子群优化（PSO）。优化器的使用是调整SVR的一些内部设置。选择了使用已发达的SVR-HGSO和SVR-PSO结构的陆地岩石特征来研究基于土地岩石特征的桩的运动。使用五个指标来评估每个模型的性能。这项研究的主要目的是以两个开发模型的形式评估人工智能方法，以使用混合优化的框架模拟桩沉降速率。建模的R 2在0.99水平上类似地获得。SVR-PSO的RMSE分别出现超过两倍的SVR-HGSO，分别为0.46和0.29 mm。此外，测试阶段结果显示，SVR-HGSO的性能较高，MAE指数为0.278，比另一个索引低57.10％。OBJ通过0.283mm级别计算的SVR-HGSO证明了准确的建模。