南海神信仰：维护南海海权的文化力量

南海独特的地理位置造就了其独特的文化现象——南海神信仰.南海神信仰的文献记载、考古发现、民间传说和礼仪庆典,构成了南海是中国神圣领海的历史性证据的重要部分.南海神信仰是维护南海海权的文化力量.     

基于FPGA的任意波形信号发生器设计

文章设计的多功能信号发生器是以Altera公司的FPGA芯片为核心,运用Quartus II开发工具和VHDL语言设计而设计的一种频率、相位可调,且可以双通道显示的任意波形信号发生器。该信号发生器具有操作简单、方便携带,集成度高等特点。     

船舶动力定位系统

船舶动力定位技术在航运业具有举足轻重的地位.介绍动力定位技术的发展历史,系统的结构组成、工作原理和工作模式,提出了动力定位技术的研究热点.     

基于Matlab的颤振自激力时域化

基于风洞试验得到的颤振导数无法直接应用于颤振时域计算,需要基于最小二乘原理拟合得到颤振自激力的时域表达式,方能进行时域计算。基于Matlab提供的lsqnonlin函数,对颤振自激力的时域化表达式中的未知系数进行拟合,并得到了较好的结果。     

《货运汽车列车（甩挂运输）推荐车型基本要求——半挂车》释义

《货运汽车列车（甩挂运输）推荐车型基本要求》明确了半挂车的推荐配置与技术要求,对贯彻落实国家节能减排的工作部署,推动货运车型的标准化进程有一定的意义。     

强腐后Q345钢力学性能退化试验

系统研究了强腐后Q345钢表面形貌和腐蚀时间对其力学性能退化的影响;采用浓度36%工业盐酸在室温环境下快速腐蚀的方法,设计了腐蚀时间分别为0、1、2、4、8、12、24、48、72 h的9组钢试件;采用三维非接触激光扫描仪和扫描电镜扫描腐蚀钢,测量了最大蚀坑宽度、高度和腐蚀试件厚度,计算了最大蚀坑影响系数;开展了拉伸试验,结合扫描形貌与微观组织形态解释了强腐后Q345钢的力学性能退化机理;建立了浓度36%工业盐酸在室温环境强腐后Q345钢的腐蚀动力学曲线和本构关系模型,揭示了强腐后Q345钢的力学性能退化规律。研究结果表明:随着腐蚀时间的增加,Q345钢的腐蚀动力学曲线展示了腐蚀率的变化规律;腐蚀时间在1 h以内,最大蚀坑影响系数增大最为明显,钢的名义屈服强度、名义抗拉强度、名义弹性模量和伸长率退化较大,分别达到未腐蚀钢的3.00%、0.69%、1.99%和4.88%;当腐蚀时间超过12 h,最大蚀坑影响系数增加缓慢,钢的名义屈服强度、名义抗拉强度、名义弹性模量和伸长率退化较为缓慢,分别达到未腐蚀钢的7.58%、4.02%、10.27%和26.64%;随着最大蚀坑影响系数和腐蚀时间的增加,屈强比变化较小;在腐蚀试件的应力-应变本构关系曲线中,随着腐蚀时间的增加,钢材的屈服平台逐渐缩短甚至消失,钢材由延性破坏转变为脆性破坏。      

基于Civil 3D平台的钦州港大榄坪港区地基处理精细化设计

针对软土层空间分布不均、厚度差异大的大面积地基处理场地,利用Civil 3D软件建立场地三维地质模型,并绘制场地软土厚度等值线图,直观地反映了软土层在空间上的分布规律。结合不同软土厚度的典型钻孔沉降计算结果,软土层分别采用不插板不堆载、插板不堆载、插板堆载3种地基处理方案,兼顾了处理效果和工程造价。此外,利用Civil 3D软件建立堆载实体模型,用于计算堆载、卸载工程量,计算结果更加精细、准确,解决了传统断面法在交叉部位精度差、计算过程复杂等工程量计算问题。该实例可为后续自动化集装箱码头陆域开展地基处理精细化设计提供参考。     

冰区航行船舶推进轴系扭转振动研究

本文以低速柴油机船舶推进轴系为研究对象,在对4叶螺旋桨单片桨叶与冰块相互作用激励力矩时域曲线基础之上,得到螺旋桨与冰块作用的总激励力矩时域曲线和频域曲线；采用集总参数法和系统矩阵法分别构建轴系振动模型和振动方程,对未考虑冰载荷和考虑冰载荷激励力矩作用下进行了轴系振动理论计算；同时通过实船测试验证了未考虑冰载荷激励力矩作用时振动数学模型和理论分析方法的正确性,对降低船舶轴系振动和提高船舶安全性具有一定的理论指导意义。     

发动机VVT叶片式相位器响应速度影响因素相关性分析

利用AMESim建立了发动机可变凸轮相位器响应速度数值仿真模型,结合试验设计和相关性分析,验证了仿真模型的可靠性并研究了相位器的各个关键参数对其响应速度的影响机理.研究发现:对相位器响应速度影响显著的一次因素为叶片力臂、叶片厚度、预加载荷;在全平面工况内,二次因素对相位器响应速度的影响呈复杂的非线性;叶片力臂较大时,叶片厚度对相位器响应速度影响较小;当叶片力臂和叶片厚度增大时,相位器响应速度随预加载荷的增加没有明显变化.     

基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。