高能量强夯法加固厚填石地基效果

通过福州港罗源湾港区可门作业区10#、11#泊位煤堆场高能量强夯加固地基试验分析,证明高能量强夯法用于沿海厚填石(土)场地进行地基处理效果明显、工艺简单、费用较低。     

追求更经济合理的列车运营速度

<正>宁杭城际铁路于2013年7月1日正式通车,其设计速度为350 km/h。运营初期最高运营速度为300 km/h。这一速度乍看没有什么新的突破;细思之,则其设计理念已悄然发生了变化,那就是"追求更经济合理的列车运营速度"。这是值得肯定的。2010年8月开通的沪宁城际铁路全长300.33 km,设31座车站,平均站间距约10 km,最高运营速度为350km/h;2010年10月开通的沪杭城际铁路全长160 km,设9座车站,平均站间距20 km,最高运营速度为350km/h;而宁杭城际铁路全长248.96 km,设11座车站,平均站间距约25 km,最高运营速度为350 km/h。在这3条城际铁路中,如从经济合理的角     

多源遥感数据融合的道路材质精细识别

针对当前道路识别方法对道路材质识别精度不高的问题,提出了一种融合多源遥感影像进行城市道路材质高精度识别的方法。首先,对高光谱遥感影像中的地物光谱曲线进行分析,在保留地物光谱分离度较大的波段的基础上提升计算效率;通过分步融合的策略对多源遥感影像进行融合,提升高光谱影像的空间分辨率,为后续道路材质识别提供高质量的数据保障。其次,通过使用不同的指数对融合影像进行掩膜,提取城市建筑物,并在此基础上提取建筑物纹理信息与光谱信息,进行多特征融合并分类;最后,通过影像后处理对提取的道路进一步进行规范,得到最终高质量的道路材质识别结果。通过使用高分五号高光谱影像、高分二号全色/多光谱影像、高分一号多光谱影像对提出的方法进行实验验证,试验结果表明,本文方法可取得较高精度的道路材质识别效果,具有较好的应用价值。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

混凝气浮工艺在高标准、短工期背景下的应用

苏州某污水处理厂现状规模4万m3/d,出水执行《城镇污水处理厂污染物排放标准》(GB 18918-2002)一级A标准.随着苏州地区"三年行动计划"的实施,要求辖区内污水处理厂自2021年1月1日起出水标准按照"苏州特别排放限制"执行.工程难点在于TP的稳定达标(＜0.3 mg/L),且施工工期短、用地紧张.通过比选,采用混凝气浮工艺作为TP深度处理工艺,并介绍了该工艺的原理和核心设计参数,以及投运以来的进出水数据及成本分析.结果表明,TP出水值可以稳定达到0.3 mg/L以下,总水头损失可控制在0.7 m以内,直接运行成本0.076元/m3.采用一体化装置,可实现快速启动、运行.相关经验可供施工周期短、水质要求高的工程参考.     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

基于深度自编码模型和马氏距离的起重机泵健康评估

为准确、可靠、有效地进行起重机泵健康评估,通过对多台不同使用年限的起重机进行试验,获取起重机实际运行时的泵信号,采用深度自编码模型(DAE)与马氏距离(MD)结合的方式,揭示泵性能退化和评估健康状况,对比统计特征、EMD、MLP、CNN等特征学习方法,表明该方法具有良好的性能。     

地铁列车异步牵引电动机发热校验方法及应用

文章介绍了对地铁异步牵引电动机进行发热校验的具体方法,根据线路条件和列车特性,进行线路模拟计算;然后根据模拟计算时的划分点,调用电磁计算程序,进行单点计算,计算出电机损耗,用平均损耗法对地铁异步牵引电动机进行发热校验。