从英语教师到双语教师的转型培养模式

针对英语教师向双语教师转型问题,通过分析在大力推行双语教学的新形势下,英语教师所面临的挑战和机遇,论述双语教师应该具备的素质,提出可行的转型培养模式。     

更换提速道岔施工方法

铁路电气化改造以后，线路两侧的立杆影响了道岔在相对住置的预铺，道岔大修时都需要在其它有条件的位置进行预铺，并在封锁施工时通过纵、横移来实现就位，给施工带来很大难度。文章通过施工实例介绍道岔的纵、横移施工方法。     

考虑初始情绪的个性化驾驶负荷状态评价

利用驾驶人生理数据对驾驶人的负荷状态进行评价已成为交通心理学的研究热点，该方法通常需要采集驾驶人在静息状态的生理信号特征作为其负荷基准，因此负荷基准的提取将影响驾驶人状态评价结果的准确性。基于此，研究搭建驾驶模拟试验平台，招募15名志愿者开展驾驶模拟试验，设计不同任务诱导其产生3种程度的精神负荷，采集志愿者在不同负荷状态下的生理信号。基于试验数据研究驾驶人初始情绪对心电信号负荷基准值的影响，设计初始情绪提取处理方案，并提出基于个性化敏感生理特征的驾驶负荷评价方法。首先对原始心电信号进行滤波，修订心跳间隔异常值；其次计算心率变异性序列（HRV）时频域特征，利用线性回归对静息状态驾驶人情绪特征进行提取，并利用归一化处理消除初始情绪对驾驶人静息状态负荷的影响，完成驾驶人心电信号时域和频域特征的计算提取；最后采用Fisher-score特征选择算法完成不同驾驶人个体敏感特征的选取，并对个性化特征提取前后的驾驶人负荷评价结果进行对比分析。研究结果表明：研究设计的考虑初始情绪的个性化特征分类器可有效消除初始情绪对驾驶人静息状态负荷的影响，且提高了驾驶人负荷状态识别的准确率，可为进一步研究驾驶任务对驾驶人负荷状态的影响并改进车内外分心源的设计提供依据。     

后轮“发偏”的简易调整

摩托车后轮“发偏”指的是车的重心不能作用于后轮的纵向中心线上而发生偏移。这种偏移使摩托车在行驶中,特别是刹车时极易造成侧滑埋下事故隐患。同时,“发偏”还会使传动链条的磨损加剧。因此,应当经常检查和正确调整后轮重心,别让自己驾车时有斜的感觉。     

摩托车的减挡操作

摩托车在行驶过程中,根据路况及行驶环境的变化,需要随时对挡位进行调整。通常情况下,驾驶员对摩托车的提速加挡操作都会很平顺,而减挡时就不能做到平顺过渡,摩托车有明显的"一顿一冲"的感觉,并能听到机件撞击声。长期这样,对发动机,特别是传动齿轮、活塞及活塞环等损害很大。因为受摩托     

汽车后备箱盖开关过程仿真分析及计算

目前汽车后备箱的性能设计主要通过反复试验验证来进行,开发成本高、周期长。文章通过建立精确的理论数学模型计算摩擦下四连杆的受力情况,利用微积分原理并借助Excel对后备箱开关特性进行仿真分析,通过试验验证仿真的有效性,为在设计阶段快速准确地进行后备箱性能设计提供了有效工具。     

遂渝铁路无碴轨道路隧过渡段路基面动应力测试分析

通过对遂渝铁路无碴轨道综合试验段路隧过渡段路基动力学响应的现场实车测试,分析在CRH2动车组和C80重载货物列车作用下的路基与隧道刚性渐变混凝土过渡段的路基面动应力响应特性。测试数据表明:行车速度的提高对路基面动应力的增加影响显著,路基面动应力沿线路纵向基本呈波浪型台阶变化,轴重对动应力的幅值和速度影响系数、沿线路纵向的动应力变化坡度都有一定的影响。     

道床刚度对钢轨接头动力响应影响研究

有砟轨道在施工阶段存在大量的钢轨接头会加剧轮轨间冲击和振动，造成钢轨伤损，影响轨道平顺性，不利于工程车辆行车安全，合理的道床刚度能减缓钢轨接头处轮轨间的冲击作用，改善临时轨道结构的受力和变形。基于多体动力学理论，以21 t轴重平车为研究对象，建立车辆-钢轨接头耦合动力学模型，研究钢轨接头区轮轨动力响应，分析道床刚度对轮轨冲击的影响规律。结果表明：钢轨接头区的轮轨冲击较为显著，其轮轨垂向力比非接头区增大约1.4倍。随着道床刚度增加，轮轨垂向力呈非线性增加趋势，钢轨和轨枕的垂向加速度和垂向位移均呈减小趋势，道床刚度为170 kN/mm时，轮重减载率最大值为0.63，接近我国规范的允许限值0.65；道床刚度小于45 kN/mm时，钢轨和轨枕的位移均超出了我国规范允许值（2.5 mm和2.0 mm）。因此，施工阶段应对道砟进行合理的捣固，宜将道床刚度控制在45～170 kN/mm。     

考虑噪声标签影响的驾驶员精神负荷状态评价

现有驾驶员精神负荷评价研究多以驾驶场景中有无次任务来给定驾驶员的精神负荷分类标签，但驾驶员在正常驾驶情景下也可能由于陷入自我思维而导致精神负荷的增加；此外，由于个体差异，同一驾驶次任务对不同驾驶员精神负荷的影响也不尽相同。因此，由传统方法所制作的数据集可能存在噪声标签，从而影响精神负荷评价模型的训练效果。针对此类问题，本文中采用置信学习的方法对驾驶员的精神负荷分类标签进行检测和滤除，使用处理过的标签，以脑电、心电和皮电信号特征作为模型输入，基于支持向量机、随机森林、K近邻、决策树、逻辑回归和多层感知机等多种算法构建驾驶员精神负荷模型，对比分析噪声标签处理对提高各类模型性能的效果。结果表明：使用置信学习进行噪声标签处理后，所构建的多种驾驶员精神负荷模型的性能均得到了明显的改善，其中，支持向量机模型的性能提升的效果最佳。