应用于强风化或强卸荷基岩的趾板、拖板结构

    公开(公告)号:CN116591114A

    公开(公告)日:2023-08-15

    申请号:CN202310516544.2

    申请日:2023-05-09

    Abstract: 本发明公开了一种应用于强风化或强卸荷基岩的趾板、拖板结构,趾板的下游端底部增设拖板,趾板与拖板相接位置设置拖板与趾板间接缝止水,趾板与钢筋混凝土面板之间设双道周边缝止水,分别为周边缝表部柔性止水和周边缝底部铜止水;趾板在趾板伸缩缝处设双道止水,趾板第一道止水嵌入至周边缝表部柔性止水的鼓包内;趾板第二道止水两端分别与周边缝底部铜止水和拖板与趾板间接缝止水焊接,形成封闭止水系统。趾板下游端底部局部下卧,满足尺寸要求,且有利于面板受力变形,同时有效减少趾板厚度。本发明解决了现有工程实际中趾板基础地质条件较差,开挖量较大,易产生高边坡,同时相应坝体填筑量增加,进而工程投资和安全风险增加的问题。

    一种风力发电预制混凝土塔架体内预应力张拉方法

    公开(公告)号:CN104033340B

    公开(公告)日:2016-07-27

    申请号:CN201410153580.8

    申请日:2014-04-17

    CPC classification number: Y02E10/728 Y02P70/523

    Abstract: 本发明属于风力发电塔架结构技术领域,具体涉及一种风力发电预制混凝土塔架体内预应力张拉方法。包括以下步骤:1)环段拼装:2)塔节拼装:3)对塔节施加预应力索:4)第一个塔节的固定:5)第二塔节的安装:6)第二塔节的固定:a)释放预应力索:对称释放第二塔节体内同一直径上的预应力索;b)张拉预应力索:对称张拉第二塔节体内同一直径上的锚索,张拉应力至设计标准;7)重复上述步骤安装固定完成塔架整体。本发明的有益效果是:此张拉方法施工方便,操作简单,保证塔节之间预应力的有效传递和塔架施工期的稳定,减小了施工期的风险,提高预制构件拼装精度,加快预制构件的拼装进度,降低了吊装过程中辅助塔架稳定设备的费用。

    大体积混凝土温度预测方法及终端设备

    公开(公告)号:CN118798057A

    公开(公告)日:2024-10-18

    申请号:CN202411262136.X

    申请日:2024-09-10

    Abstract: 本发明属于温度预测技术领域,公开了一种大体积混凝土温度预测方法及终端设备,方法包括获取温度机理模型预测的大体积混凝土各个测点的温度预测值,并确定温度预测值与对应温度实测值之间的温度误差;根据大体积混凝土的温度影响因素数据和温度误差训练机器学习模型;将实测温度影响因素数据输入至训练后的机器学习模型中,得到误差补偿预测值;利用误差补偿预测值修正温度预测值。本发明以温度机理模型的预测结果为基础,利用考虑不确定因素的机器学习模型确定的误差补偿预测值修正温度机理模型的预测结果,使最终的温度预测值更为准确,为施工进度的安排和温度裂缝预防措施的制定提供可靠的数据支持。

    基于WebGIS的动态BIM模型可视化方法及装置

    公开(公告)号:CN118094734A

    公开(公告)日:2024-05-28

    申请号:CN202410509721.9

    申请日:2024-04-26

    Abstract: 本发明属于电数字数据处理技术领域,公开了一种基于WebGIS的动态BIM模型可视化方法及装置,方法包括步骤1、获取以IFC格式文件表征的待研究工程的BIM模型;步骤2、在IFC格式文件的属性集中增设待研究工程对应监测设备的属性;步骤3、获取步骤2所得IFC格式文件中监测设备的标识信息,根据标识信息从外部监测数据库中提取监测信息,并将监测信息导入至对应的监测设备属性中;步骤4、将步骤3所得IFC格式文件转变为glTF格式文件后输入至WebGIS平台上,实现动态BIM模型的可视化。本发明可实现海量BIM数据的在线存储、实时更新、动态展示和交互式操作,为工程设计、施工管理和运营维护提供支持。

    大体积混凝土温度预测方法及终端设备

    公开(公告)号:CN118798057B

    公开(公告)日:2025-02-18

    申请号:CN202411262136.X

    申请日:2024-09-10

    Abstract: 本发明属于温度预测技术领域,公开了一种大体积混凝土温度预测方法及终端设备,方法包括获取温度机理模型预测的大体积混凝土各个测点的温度预测值,并确定温度预测值与对应温度实测值之间的温度误差;根据大体积混凝土的温度影响因素数据和温度误差训练机器学习模型;将实测温度影响因素数据输入至训练后的机器学习模型中,得到误差补偿预测值;利用误差补偿预测值修正温度预测值。本发明以温度机理模型的预测结果为基础,利用考虑不确定因素的机器学习模型确定的误差补偿预测值修正温度机理模型的预测结果,使最终的温度预测值更为准确,为施工进度的安排和温度裂缝预防措施的制定提供可靠的数据支持。

Patent Agency Ranking