涎流冰病害的防治

在我国北部边疆大兴安岭修建的某公路工程中,不少地段遇到了涎流冰,给施工和养护带来了很大困难。经几年的施工实践,对涎流冰产生的原因、变化规律以及对公路的危害有了初步认识,经采取一些防治措施,取得了一定效果。现就有关问题作如下探讨。一、涎流冰的形成涎流冰多产生在高寒地区,对交通运输妨碍极大。高寒地区夏季短暂,冬季漫长,一般结冰期长达半年。每当进入冰冻期,由于地下水不冻结以及植物覆盖层下的层间水冻结期晚,因而在地下水及层间水露头的地     

互相评比交流经验提高养护管理水平

黑龙江嫩江专署交通局,为了提高基层十二个养路段的养护管理水平,总结交流工作经验;于七月中旬至八月中旬的一个月的时间中,在局长亲自的带领下,组织了工程师、技术员和基层交通科科长、养路段段长等人员,深入基层对经营管理和公路路况进行了一次详细检查和评定。在检查与评比中,本着互相学习、共同提高、取经送宝的精神,采取了听、看、访、问、考、查、议、学、帮、改等十字的做法:1.听:召开养路段和道班的大小座谈会,听取基层汇报的半年来在养护工作中取得的成绩和经验,了解存在的问题和缺点。2.看:本着自检与抽查相结合的原则,对各单位所管辖的养护路线,以每公里为单位,做到三看:(1)重点看抽查路段每公里的路面与路基部分、桥涵、标志、清点行道树的棵数;(2)一般看基层自检路段,给以核实路况的好路率,乘汽车观察做一般了解;(3)详细看桥涵的上部与下部构造,做桥涵观察记录。综合三看评定每公里路况等级。     

基于偏好函数与深度信念网络的自动化码头AGV实时调度算法

为提高自动化集装箱码头岸桥作业效率、降低自动导引车(Automated Guided Vehicle,AGV)空载行驶距离,以偏好函数和深度信念网络(Deep Belief Network,DBN)为核心设计AGV实时调度算法,完成AGV任务分配指派,优化AGV作业任务序列。利用偏好函数为处于待分配状态的AGV筛选最优集装箱,产生训练样本并更新训练集,通过DBN实时更新集装箱的偏好函数,重复该过程直至集装箱作业完毕。算例分析表明:同两种现行调度规则对比,AGV空载距离和岸桥作业时间显著下降;与人工神经网络(Artificial Neural Network,ANN)相比,DBN可有效提高算法精度与求解效率;算法针对环境动态变化实时分配集装箱,为自动化码头提高效率和降低能耗提供依据。