-
公开(公告)号：CN113818495A
公开(公告)日：2021-12-21
申请号：CN202111085571.6
申请日：2021-09-16
Applicant: 中南大学
Abstract: 本发明公开了一种针对低频表面波隔振的周期性桩‑墙结构，包括并排排列的至少一个的桩‑墙结构隔振单元，桩‑墙结构隔振单元包括桩基、连续墙、原始土体、改良土体和基岩，桩基呈两排均匀插入原始土体内，桩基底部嵌入基岩内，原始土体的浅层土体内每排桩基之间嵌入连接有连续墙，原始土体的浅层土体内两排桩基和连续墙间固定设置有改良土体。本发明可以将桩基深度优势与连续墙的连续性优势发挥到极致，二者相辅相成，极易适合表面波隔振。本发明连续墙两侧为截面为半圆形的圆弧面，连续墙的中心截面M‑M面为梯形，预制而成，通过静力按压方式至两桩基中间，构建桩‑墙镶嵌结构，且可形成较大的预应力，确保隔振效果。
-
公开(公告)号：CN116037337B
公开(公告)日：2024-06-25
申请号：CN202211543736.4
申请日：2022-12-03
Applicant: 中南大学
Abstract: 一种射流振荡元件，射流振荡入口（2）设置于射流振荡元件本体（1）的顶部；四向通道（4）的顶端通过中心浆液通道（3）连通射流振荡入口（2）、底端连通附壁腔（6）、左端连通左反馈通道（7）、右端连通右反馈通道（8）；附壁腔（6）的底部通过收窄通道（11）连通于导流入口（16）；左反馈通道（7）连通于左偏流通道（13）、右反馈通道（8）连通于右侧为右偏流通道（14）；浆液从射流振荡出口（15）流出。射流振荡元件能自激产生的周期性振荡的射流，喷射浆液的方向与速度周期性变化。将射流振荡元件用作注浆加固工作，能够提高注浆材料扩散的范围、均匀性，周期性的脉冲可以达到减少流体阻力的效果，提高注浆效率。
-
公开(公告)号：CN113818495B
公开(公告)日：2022-07-26
申请号：CN202111085571.6
申请日：2021-09-16
Applicant: 中南大学
Abstract: 本发明公开了一种针对低频表面波隔振的周期性桩‑墙结构，包括并排排列的至少三个的桩‑墙结构隔振单元，桩‑墙结构隔振单元包括桩基、连续墙、原始土体、改良土体和基岩，桩基呈两排均匀插入原始土体内，桩基底部嵌入基岩内，原始土体的浅层土体内每排桩基之间嵌入连接有连续墙，原始土体的浅层土体内两排桩基和连续墙间固定设置有改良土体。本发明可以将桩基深度优势与连续墙的连续性优势发挥到极致，二者相辅相成，极易适合表面波隔振。本发明连续墙两侧为截面为半圆形的圆弧面，连续墙的中心截面M‑M面为梯形，预制而成，通过静力按压方式至两桩基中间，构建桩‑墙镶嵌结构，且可形成较大的预应力，确保隔振效果。
-
公开(公告)号：CN114579865A
公开(公告)日：2022-06-03
申请号：CN202210234945.4
申请日：2022-03-11
Applicant: 中南大学
IPC: G06F16/9535 , G06F16/9537
Abstract: 本发明公开了一种无轨迹时空统计数据的运动提取方法，包括获取原始的无轨迹时空统计数据；建立数据的起始帧密度图和终止帧密度图；建立对运动提取过程进行约束的约束图；选择最优传输方法提取运动信息并可视化，得到密度图和矢量场形式，完成无轨迹时空统计数据的运动提取。本发明还提供了一种包括所述无轨迹时空统计数据的运动提取方法的野火运动提取方法。本发明基于创新的算法，能够提取出物理上可行、易于理解且考虑了环境因素和用户领域知识的运动信息；本发明方法能够对无轨迹时空统计数据运动信息进行提取，不仅考虑了环境因素，而且可靠性高、实用性好。
-
公开(公告)号：CN114579865B
公开(公告)日：2024-12-24
申请号：CN202210234945.4
申请日：2022-03-11
Applicant: 中南大学
IPC: G06F16/9535 , G06F16/9537
Abstract: 本发明公开了一种无轨迹时空统计数据的运动提取方法，包括获取原始的无轨迹时空统计数据；建立数据的起始帧密度图和终止帧密度图；建立对运动提取过程进行约束的约束图；选择最优传输方法提取运动信息并可视化，得到密度图和矢量场形式，完成无轨迹时空统计数据的运动提取。本发明还提供了一种包括所述无轨迹时空统计数据的运动提取方法的野火运动提取方法。本发明基于创新的算法，能够提取出物理上可行、易于理解且考虑了环境因素和用户领域知识的运动信息；本发明方法能够对无轨迹时空统计数据运动信息进行提取，不仅考虑了环境因素，而且可靠性高、实用性好。
-
Patent Agency Ranking
公开(公告)号：CN115492174A
公开(公告)日：2022-12-20
申请号：CN202211121084.5
申请日：2022-09-15
Applicant: 中南大学
Abstract: 本发明的一种高速铁路路基足尺模型试验装置及方法，装置包括足尺路基模型、反力动力加载模块和数据采集模块；足尺路基模型包括由下而上逐层设置的地基、路基本体和基床，基床包括基床底层和基床表层，基床表层的上表面上设有轨道板；反力动力加载模块包括反力架、分配梁、动力单元、控制单元和若干个作动器，反力架跨设在足尺路基模型的上方，若干个作动器设置在反力架上，且若干个作动器的出力端通过分配梁向轨道板施加荷载；动力单元与作动器相连接，控制单元与作动器电连接；数据采集模块包括多个传感元件。方法通过上述装置实现。本发明可模拟路基室内模型试验，且具有还原性高、操作方便的优点，可提高路基室内模型试验的准确性和试验效率。
-
公开(公告)号：CN115310168A
公开(公告)日：2022-11-08
申请号：CN202210805654.6
申请日：2022-07-08
Applicant: 中南大学
IPC: G06F30/13 , G06F30/20 , G06F119/14
Abstract: 本公开涉及一种高铁填料振动压实力学状态评估方法及系统，方法包括以下步骤：S01、对待测填料做振动压实试验，获得所述待测填料基于滞后相位角修正的振动压实刚度；S02、对所述待测填料做室内载荷试验，获得所述待测填料的强度K20；S03、基于所述振动压实刚度和所述强度K20，评估所述待测填料的振动压实力学状态。系统用于实现上述方法。本公开引入振动压实刚度和强度作为力学状态评估指标，可更好地匹配现场振动压实标准，可更全面地反映和评估填料压实状态下的力学性能，实现关于填料室内振动试验的刚度和强度的高效、全面和准确分析，有效提升了压实效果评估试验的水平。
-
公开(公告)号：CN119168463A
公开(公告)日：2024-12-20
申请号：CN202411223541.0
申请日：2024-09-03
Applicant: 中国国家铁路集团有限公司 , 中南大学 , 中国铁道科学研究院集团有限公司 , 中国铁道科学研究院集团有限公司铁道建筑研究所
Inventor： 闫宏业 , 陈晓斌 , 蔡德钩 , 李泰灃 , 谢康 , 苏珂 , 毕宗琦 , 李竹庆 , 喻昭晟 , 周雨晴 , 王密 , 王李阳 , 刘振宇 , 梁经纬 , 刘晓贺 , 王瑜鑫 , 王瑞鹏
IPC: G06Q10/0639 , G06Q50/26 , G06Q50/40 , G06F30/27 , G06F119/02
Abstract: 一种基于机器学习与区间预测理论的高速铁路路基压实质量全断面评估方法，包括：基于室内振动压实试验，确定基于动刚度Krb转折点的最大干密度ρdmax；建立预测ρdmax的POA模型；引入区间预测理论量化ρdmax预测的不确定性，建立ρdmax的BPA区间预测模型；结合区间预测模型、空间插值算法和压实标准，建立高速铁路路基压实质量全断面评估模型。本发明方法解决了目前确定ρdmax的机制和方法仍存在不确定性、效率低下和缺乏智能等问题。这些缺陷会导致对高速铁路路基压实质量的评估不足，从而降低路基结构的稳定性和强度，并可能在后期运营过程中引发不均匀沉降、轨道不平顺等病害，严重影响高速铁路的运营安全。
-
公开(公告)号：CN117933443A
公开(公告)日：2024-04-26
申请号：CN202311460104.6
申请日：2023-11-03
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/0639
Abstract: 本发明提供一种高铁级配碎石振动压实过程的嵌锁点预测方法，包括以下步骤：S1、采用双曲线模型对高铁级配碎石压实过程物理力学特性进行拟合，计算与构建原始数据，确定嵌锁点Tlp；S2、获取数据，采用灰色关联度分析GRA算法分析Tlp主控特征；S3、建立基于改进粒子群IPSO算法‑机器学习ML算法的IPSO‑ML混合Tlp预测模型；S4、采用可解释性方法SHAP解释分析最优Tlp预测模型，确定振动压实过程的最佳Tlp；通过预测嵌锁点Tlp控制压实质量，解决了基于干密度评估高铁级配碎石压实质量所存在的压实时间不定、评价指标单一等问题，具有较好的预测精度和泛化能力，为振动压实的质量评估以及振动压实智能化控制提供了新思路。
-
公开(公告)号：CN117633648A
公开(公告)日：2024-03-01
申请号：CN202311455032.6
申请日：2023-11-03
Applicant: 中南大学
IPC: G06F18/2415 , G06F18/214 , G06Q10/04 , G06Q10/0639
Abstract: 本发明公开了一种基于机器学习的高铁级配碎石压实质量主控特征与预测研究方法。本方法包括如下步骤：1)开展振动压实试验，基于多参数协同测试方法，探究级配碎石最大干密度ρdmax的确定方法；2)建立级配碎石特征与ρdmax之间的关系，并结合灰色关联度分析和皮尔逊算法揭示影响ρdmax的主控特征；3)将级配碎石主控特征作为输入特征建立预测ρdmax的机器学习模型；4)基于机器学习模型预测性能三层次评价方法确定最优机器学习模型。本方法解决了基于干密度评估高铁级配碎石压实质量所存在的压实时间不定和依靠单一层次性能指标难以选择最优机器学习模型的问题。本方法具有较好的预测精度和泛化能力，为高铁级配碎石压实质量主控特征与预测研究提供新思路。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
