摘要:阵风减缓对于改善飞机飞行品质、降低阵风载荷具有重要意义,利用飞机响应(反馈控制)和阵风扰动信息(前馈控制)来改善阵风减缓效果值得重视。本文设计并分析了一种由前馈控制系统(FFCS)和反馈控制系统(FBCS)组成的组合控制系统(CCS),同时通过数值模拟和风洞试验分别对CCS、单一FFCS和单一FBCS的阵风减缓效果进行分析比较。以柔性机翼为研究对象,通过数值模拟分析了3种控制系统在不同形式阵风激励(1-cos离散阵风、正弦阵风和Dryden湍流)下的阵风减缓效果。风洞试验中采用阵风发生器产生的正弦阵风,在不同风速和阵风频率下进行了阵风减缓试验。仿真与试验结果表明,CCS对各种阵风激励均具有较好的阵风减缓性能。FFCS与FBCS相比,FFCS的鲁棒性和控制效果均优于FBCS。FFCS与CCS相比,FFCS的减缓效果越好,采用CCS在FFCS上增加FBCS所获得的效果越难得到明显的改善。
摘要:阵风减缓对于改善飞机飞行品质、降低阵风载荷具有重要意义,利用飞机响应(反馈控制)和阵风扰动信息(前馈控制)来改善阵风减缓效果值得重视。本文设计并分析了一种由前馈控制系统(FFCS)和反馈控制系统(FBCS)组成的组合控制系统(CCS),同时通过数值模拟和风洞试验分别对CCS、单一FFCS和单一FBCS的阵风减缓效果进行分析比较。以柔性机翼为研究对象,通过数值模拟分析了3种控制系统在不同形式阵风激励(1-cos离散阵风、正弦阵风和Dryden湍流)下的阵风减缓效果。风洞试验中采用阵风发生器产生的正弦阵风,在不同风速和阵风频率下进行了阵风减缓试验。仿真与试验结果表明,CCS对各种阵风激励均具有较好的阵风减缓性能。FFCS与FBCS相比,FFCS的鲁棒性和控制效果均优于FBCS。FFCS与CCS相比,FFCS的减缓效果越好,采用CCS在FFCS上增加FBCS所获得的效果越难得到明显的改善。
地表沉降是机械化隧道施工中的一个重要参数,应在开挖前确定。机械化隧道施工引起的地表沉降分析是一个具有各种不确定性的岩土工程问题。与确定性方法不同,可靠性分析可以考虑地表沉降评估的不确定性。在本文中,利用基于遗传算法 (GA) 的可靠性分析方法(二阶可靠性方法 (SORM)、蒙特卡洛模拟 (MCS) 和一阶可靠性方法 (FORM))来建立地表沉降可靠性分析模型。具体而言,对于大型项目,极限状态函数 (LSF) 是非线性的,很难基于可靠性方法应用。为了解决这个问题,GMDH(数据处理组方法)神经网络可以估计 LSF,而无需对函数形式做出额外的假设。在本文中,GMDH 神经网络被改编以获得 LSF。在 GMDH 神经网络中,尾孔注浆压力、隧道底板地下水位、深度、平均渗透率、距竖井的距离、俯仰角、平均表面压力和尾孔注浆填充百分比被用作输入参数。同时,表面沉降是输出参数。使用来自曼谷地铁的现场数据来说明所提出的可靠性方法的能力。
Urmia湖水转移和修复项目(Kani SIB)的通道隧道位于伊朗西部阿塞拜疆省南部。该隧道的一部分位于弱且非常松散的土壤上,尽管使用了步骤钻孔,但在某些地区,在某些地区无法稳定,并且可能导致天花板塌陷,面部塌陷甚至在支撑系统中变形。在这些情况下,有必要采用伞主的预支持方法。隧道稳定性分析是隧道设计和支撑系统的重要因素之一。的确,根据所需的稳定性和隧道的允许位移选择了支撑系统的类型。在本文中,首先是通过樱桃相关来计算隧道的允许位移。然后,使用有限差的数值方法(即FLAC3D软件)绘制地面反应曲线,并使用收敛限制方法(CCM)来确定支持系统的作用瞬间。最后,考虑了不同的安全因素,研究了拟议的支持系统的安全水平。这项研究的结果表明,樱花位移相关性比提出的其他图更可靠。根据视觉观察和仪器结果,准确验证了从数值建模中得出的结果。建议使用带有晶格和Shotcrete支撑系统的合适伞弓预支持系统。雨伞拱前支撑系统包含直径为90 m的90 m和2.5 m的重叠长度为90 mm的管道。
本研究的目的是调查和量化在长距离耐力跑步中起搏器牵伸产生的空气动力学优势、生理和性能优势。实验测试是在风洞中进行的,两名跑步者在亚最大努力下以 4.72 米/秒的速度在相同的空气速度下进行了五分钟的跑步机跑步测试。通过比较有和没有牵伸的生理参数,获得了由于起搏器效应而导致的降低。使用 CFD 模拟来分析在风速为 4.72 米/秒时有和没有牵伸的空气动力学效应,即阻力和阻力系数。结果表明,与基线(单独跑步)相比,牵伸位置的阻力(-9.73%)和阻力系数(-9.73%)均有所下降。空气阻力的减少还会导致以下生理参数的降低,实验测试检测到:耗氧量(-5.46%)、代谢能力(-5.48%)、能量成本(-7.31%)、产生的二氧化碳(-7.40%)、每分钟通气量(-5.44%)、心率(-0.60%)、血乳酸浓度(-16.66%)、RPE(-13.89%)。结果表明,牵引对空气动力学参数有显著影响,但也对高度和中度训练的运动员的生理和表现变量有显著影响。
围岩挤压变形是隧道工程中常见且突出的病害,常在TBM掘进过程中诱发盾构卡洞灾害。本文基于139组历史挤压变形案例,建立了混合PCA-IWGO-PNN挤压分类模型。根据挤压变形的影响因素及特点,选取强度应力比、隧道埋深、隧道等效直径、岩体质量指数、支护刚度等建立挤压程度预测指标体系。由于概率神经网络(PNN)要求输入变量独立,因此采用主成分分析(PCA)对原始数据进行预处理,消除预测指标间的相关性并实现降维。扩展系数是PNN中关键的超参数,采用改进的灰狼优化(IGWO)算法实现其高效的自动寻优。然后,将PNN模型应用于工程实际,20个试验样本中仅有1个误判,预测精度达到95%。最后,与人工神经网络(ANN)模型、支持向量机(SVM)模型、随机森林(RF)模型进行对比分析,其中PNN模型的预测精度最高,其次是人工神经网络(85%)、RF(85%)、SVM(80%)。此外,PNN模型的运行速度最快,仅耗时5.6350 s,而ANN、SVM、RF的运行时间分别为8.8340、6.2290、6.9260 s。本研究提出的混合PCA-IWGO-PNN模型为围岩挤压分类提供了一种有效的方法,在预测精度和运行速度方面均具有优势。
a 3 1 0 20000 b 3 1 100000 20000 C 3 1 300000 20000 D 4 0.75 0 47407 E 4 0.75 100000 47407 F 4 0.75 300000 47407 G 5 0.6 0 92592 H 5 0.6 0 92592 H 5 0.6 100000 92592 I 5 0.6 100000 92592 160000 m 7 0.428 0 255093 N 7 0.428 100000 255093 O 7 0.428 300000 255093
本专著总结了一项为期一年的研究(从 2002 年 6 月到 2003 年 7 月),研究内容涉及国家风洞和推进测试需求,以及美国国家航空航天局 (NASA) 的主要风洞 (WT) 和推进测试 (PT) 设施 1 持续满足这些需求的能力;该研究还确定了 NASA 内部所需的任何新投资和过剩产能。该研究重点关注对更大(因此建造和运营成本更高)测试设施的需求,并确定了 NASA WT/PT 设施面临的管理问题。本专著应引起 NASA、国防部、航空航天工业、管理和预算办公室、科学和技术政策办公室以及国会决策者的兴趣。本专著的详细支持信息包含在一份较长的配套技术报告中:
隧道火灾是一种致命的危险源,每年在世界各地造成重大人员伤亡和经济损失。1987年,阿塞拜疆因电气故障引发的特大隧道火灾造成289人死亡(Haack 2002)。2020年,韩国三美2号隧道发生火灾,数十辆坦克和卡车相撞后,火灾造成4人死亡,40多人受伤。统计显示,2000年至2016年,中国共发生161起中大型隧道火灾事故(Ren等。2019)。一旦发生隧道火灾,可能会造成致命的后果和灾难性的经济损失(Casey 2020;Chen 等2020)。隧道火灾后果严重,在通风不良、高温、高密度烟雾和有毒气体的空间中,人员疏散十分困难。此外,隧道内火灾发展迅速、情况复杂,难以指导疏散、救援和灭火活动。因此,隧道消防迫切需要准确、及时、智能的火灾识别系统(Beard 2009;Chen 等2020)。
