城市干路交叉口右转车辆轨迹流线与曲率特性分析

为明确城市干路交叉口汽车右转的轨迹特性和轨迹曲率模式，使用无人机在重庆市4个城市道路交叉口上方进行高空拍摄。利用图像分析方法采集了右转车辆的轨迹数据，包括时间、行驶速度和轨迹坐标等，通过对相邻轨迹点外接圆半径的计算得到轨迹曲率。运用轨迹线-车道边缘线的间距值分析了右转车辆轨迹通过位置分布与交叉口几何布局之间的关系，明确了交叉口右转车辆轨迹的曲率特性。运用聚类方法识别了右转车辆的6种轨迹曲率形态，确定了不同轨迹曲率形态下的常见驾驶行为，并研究了车辆行驶速度与轨迹曲率的相关关系。研究结果表明:①交叉口几何布局（包括路缘半径、车道宽度和出口车道数）对右转轨迹通过位置分布存在影响；②带渠化设计的右转专用道可以限制轨迹分布范围，减少右转交通的冲突和延误；③在右转过程中公交车辆较小型汽车所需侧向空间更大，轨迹分布的离散程度更低；④轨迹曲率的关键点与圆曲线设计中的主要点变化趋势不一致；⑤车辆加速度与轨迹曲率变化率呈负相关关系，相关系数为-0.843 5；⑥行驶速度与等效半径存在正相关关系，车辆行驶速度越快，圆曲线内轨迹的等效半径越大。      

34 m口门船闸三角闸门设计要点

船闸三角闸门多采用空间网架结构,对于34 m口门船闸而言,采用三角闸门形式尚属首次。为提高闸门结构设计合理性和安全可靠性,结合合裕线裕溪一线船闸扩容改造工程三角闸门的设计实例,从门体结构、支承运转装置、防撞系统、止水系统4个方面对大口门船闸三角闸门设计中须解决的关键技术难点进行分析,选取两组设计水位组合对闸门空间结构进行有限元仿真分析,并对顶、底枢结构进行针对性设计,同时在运转件表面强化工艺、防撞系统结构形式、不同部位的止水设计等方面提出解决方案。结果表明:闸门各结构部件受力在允许范围之内,运转装置安全可靠,止水结构适应性良好,均满足使用要求。     

邵伯三线船闸闸门设计

邵伯三线船闸为京杭运河扬州段II级通航建筑物,承受双向水头作用。通过对三角闸门及横拉闸门的比选,推荐三角闸门作为其工作门型,并对三角闸门的结构设计及计算方法进行了阐述。并且通过ANSYS有限元分析软件验证了三角闸门的强度、刚度及稳定性。     

高职院校经管类专业的实践教学改革研究——以ERP沙盘课程实践教学为例

ERP沙盘课程实践教学主要通过沙盘面来对企业运营进行模拟,进而更直观、生动的为学生呈现企业的经营管理,让学生有更透彻的理解,这样不仅能够获得更好的教学效果,也能够对高职院校经营类专业的学生难以真正但到企业经营管理岗位进行实践学习的缺陷进行有效弥补,对其专业的实践教学改革有着重要的促进作用。     

人字闸门固定式底枢改进设计

随着水运行业的发展,人字门底枢磨损维护的问题逐渐暴露,因此,合理布置和设计底枢具有重要意义。通过分析传统人字闸门固定式底枢的使用局限性,从结构改进、润滑系统设计、摩擦副材料选用3方面提出改进设计。与传统固定式底枢相比,改进后的底枢便于检修时拆装更换,延长使用寿命,提高结构可靠性,值得船闸工程推广应用。     

裕溪船闸闸门底枢蘑菇头和轴的激光熔覆试验研究

以裕溪一线船闸扩容改造工程中34 m口门三角闸门的底枢蘑菇头和轴为研究对象,从宏观金相、微观组织、X射线衍射仪、硬度计检测熔覆层的表面硬度以及盐雾试验机测试试件的耐腐蚀性等方面,对不同的基体材料和激光熔覆粉末进行试验对比研究。结果表明:Ni40粉末和Co40粉末都具有较高的硬度和优良的耐腐蚀性能,满足底枢蘑菇头和轴激光熔覆的性能要求。Fe40和其他2种材料相比,在各种性能上都存在差异,不适合用作激光熔覆粉末。     

基于RS-SVR的上软下硬地层盾构施工地表沉降预测

为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性,建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型,并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先,根据特定地质条件,从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性,采用粗糙集理论的Pawlak属性重要度方法删除冗余数据,获取影响地表沉降的最优条件属性集。在此基础上,基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型,并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响,RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后,利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据,对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集,分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间,地表沉降分类结果与约简前保持一致;同类模型进行横向对比时,RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%,均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差;以同种核函数进行纵向对比时,RS-SVR模型预测误差分别为5.54%、11.48%、13.26%,均低于SVR模型预测误差的13.10%、15.71%、19.68%。