XiaoMi-AI文件搜索系统
World File Search System土机
土压平衡隧道回填注浆方法的数值模拟
摘要 隧道掘进机施工过程中涉及的主要问题之一是尾部间隙注浆。该间隙位于隧道衬砌外径和开挖边界之间，并用高压注浆材料填充。本文研究了 FLAC3D 软件中三种不同的间隙注浆建模方法，特别关注注浆材料硬化过程的影响。在第一种方法中，将注浆在注入过程中模拟为液体，考虑 TBM 的推进及其硬化时间，将注浆特性转变为固体注浆的性质。在第二种方法中，在模型中将注浆材料从注入开始时就视为具有固体注浆性质，忽略液相。在第三种方法中，不考虑模型几何中的回填注浆区域，只在盾构末端和已安装管片后方施加注入压力。根据最大地表沉降评估了这三种方法的有效性。这三种方法估算的表面沉降量不同，但第一种方法的结果更接近监测数据。同样作为敏感性分析，在这项工作中，我们研究了液体和固体灌浆材料的弹性模量对表面沉降量的影响，这有助于更准确地了解灌浆混合物的影响。
软土地区隧道施工中的土-结构相互作用
摘要 隧道设计和施工涉及多个专业，可为创新和多学科研究提供课题。在这一领域，结构工程和岩土工程等学科之间可能会出现强有力的融合。为此，跨学科研究应主要集中于解决土-结构相互作用的边界值问题。本文从不同尺度概述了该领域当前的研究趋势，从单个土壤元素的行为开始，处理地面与隧道之间的相互作用，最后探讨地下基础设施与建筑环境之间的相互作用。 关键词：土-结构相互作用、地下建筑、隧道、城市地区、抗震性能
神经符号递归机
当前的学习模型通常难以实现像人类一样的系统泛化，特别是在从有限的数据中学习组合规则并将它们推断为新的组合时。我们引入了神经符号递归机（NSR），其核心是根基符号系统（GSS），允许直接从训练数据中产生组合语法和语义。NSR采用模块化设计，集成了神经感知、句法分析和语义推理。这些组件通过一种新颖的演绎-溯因算法进行协同训练。我们的研究结果表明，NSR的设计充满了等变性和组合性的归纳偏差，使其具有良好的表现力，可以熟练地处理各种序列到序列任务并实现无与伦比的系统泛化。我们在四个旨在探测系统泛化能力的具有挑战性的基准上评估了NSR的有效性：用于语义分析的SCAN、用于字符串操作的PCFG、用于算术推理的HINT和组合机器翻译任务。结果证实了 NSR 在泛化和可转移性方面优于当代神经和混合模型。
使用...增强地对机通信
地面站与机载站之间的语音通信基于模拟 DSB–AM 调制，使用 117.975–137.000 MHz 频段。为了确保正确理解消息，使用国际民用航空组织 (ICAO) 标准化的特殊用语 [1], [2]。它由一系列关键词组成（例如确认、确认、清除、确认、结束、报告、收到），需要使用特殊的拼写系统，包括字母（A – alpha、B – bravo、C – Charlie、D – delta 等）和数字（4 – fower、9 – niner），数字发音（每个数字单独发音，但允许使用“千”、“百”和“十进制”等词）。为提高可理解性，采用了特殊方案：“复读”—— 按照收到的信息重复此消息，“再说一遍”—— 重复整个传输或上次传输的一部分，“说得慢一点”—— 降低语速，“说两遍”—— 此消息中的每个单词或词组都发音两次。尽管如此，有些消息仍然会被误解，尤其是对于英语有问题的飞行员而言。 以图形方式表示消息的最重要元素（例如，飞行参数的数值，如飞行高度、航向、失控编号）将有助于理解地面站发送的消息。这需要随语音消息传输数字信息。 如何传输此类数字信息
电池操作的耕作机
环境，这对人类健康很危险。为了解决此问题，我们创建了此便携式电源转换器。它是经济的，没有污染。没有理由怀疑农业的新技术，如今，耕种者的工作能力为8至10小时，重量为30至40公斤。此程序包括一个电子转换器。该程序包括链条和链轮，轴承，电动机，自行车轮，轮毂，电池，电气和电缆，安装和连接，框架支撑，螺丝和配件的机械设计和开发。我们在本报告中提出的电耕作非常适合行耕种。这台机器的种植距离为3小时，距离为100米，并使用12伏电池，可以在3至4小时内更换和充电，依此类推。电动机用于机器上。这台机器易于操作，小，易于携带，结构易于维护，易于维护，并且占用了很少的空间。电耕地主要用于在小农场和山区种植种子，也可用于喷洒园艺和粮食作物。比拖拉机相比，较小的农民将养殖用电线杆用于农业。电力的第一个成功示例是电力，电拖拉机。农业是印度经济的骨干，可直接就业人口的69％。是数百万人民的最大就业来源和收入来源，我们的工业产品有一个废物市场。该国的食品谷物生产的两倍从1970 - 71年的5500万吨
脑机接口应用研究
脑机接口 (BCI) 是指检测和植入脑信号和技术。1964 年，布里斯托尔伯顿神经研究所的 William Grey Walter 博士首次在学术环境中展示和描述了该技术，他改编了 Hans Berger 博士（耶拿弗里德里希席勒大学）1934 年关于脑电图 (EEG) 技术的研究。Walter 博士的首次演示是让患者“将电极直接连接到大脑的运动区域 [1]”。然后，患者“按下按钮让幻灯片放映机前进”，从而建立神经连接，EEG 会记录下来。按压足够多次后，Walter 博士会将幻灯片放映机直接连接到 EEG，只要患者建立神经连接让幻灯片前进，幻灯片就会前进。这种连接早在患者正常按下按钮之前就建立了，从而引入了一种在运动实际发生之前很久就可以控制的方式，从而引发了 BCI 的兴起 [2]。 58 年后，也就是 2022 年，BCI 仍然根植于医学领域。Mamunur Rashid 在《基于 EEG 的脑机接口的现状、挑战和可能的解决方案》[3] 中讨论了 BCI 的现状“并不局限于医疗应用，因此，该领域的研究得到了应有的关注”。本文还讨论了该领域的当前研究，包括 Fernández-Rodríguez 等人的轮椅控制 [4]、Bi 等人的移动机器人控制 [5]、Alariki 等人的生物识别 [6]，以及与我们的重点相关的 Kaplan 等人 [7]、Ahn 等人 [8] 和 Cattan 等人 [9] 的虚拟现实和游戏，这些将在本文的“最新发展”部分进一步讨论。