排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
通过对鹰潭铁路枢纽地理位置及现状的分析,在杭长(杭州-长沙)客专引入后,指出枢纽急待解决的问题。充分结合拟建工程,根据对预测运量及组织运输的分析,对枢纽总图规划进行研究,提出三个可选方案,优化比选后认为在城市北侧设新站的方案为最佳方案,并对此方案进行进一步说明。 相似文献
2.
对气门外弹簧试样断裂产生的原因进行了检测分析,查找出了断裂故障产生的原因,为避免此类失效事故的再度发生,针对原料生产商和成品生产商,提出并实施了多项改进措施,均取得了良好效果。 相似文献
3.
4.
双鼠笼电动机笼条损坏是重负荷电机常发性故障,其故障直接影响电机的安全运行生产.对双鼠笼电动机转子结构、笼条损坏故障特征及故障的主要原因进行了分析.并提出了防止笼条损坏的措施;总结了检查方法和局部修理工艺. 相似文献
5.
6.
为实现准确识别车辆换道意图,提高车辆行驶安全性,综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度,提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先,筛选和平滑处理车辆轨迹数据,将车辆轨迹数据分为向左换道、向右换道及直线行驶3类,构建换道意图样本集。其次,构建融合注意力机制的
CNN_GRU模型,识别换道意图样本集,考虑到行驶过程中车辆之间的交互性,将被预测车辆和周围车辆的位置和速度信息作为模型的输入,经过CNN层特征提取的特征作为GRU层的输入,经过注意力机制层对不同的特征增加不同的权重系数,利用 Softmax 层识别换道意图。最后,选用 NGSIM 中 US-101 数据集的轨迹数据验证融合注意力机制的 CNN_GRU模型性能,
同时,与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明,所提模型车辆换道意图识别整体准确率达到97.37%,迭代时间为6.66 s,相比于其他模型准确率最多提高9.89%,最少提高2.1%。分析不同预判时间下的意图识别,模型可在车辆换道前2 s 内均能识别换道意图,准确率在89%以上,表现出良好的识别性能。 相似文献
7.
8.
9.
赵志敏 《石家庄铁道大学学报(自然科学版)》2014,(Z1):267-270
大跨度钢结构卸载是一个动态过程,支撑力的释放不合理会造成严重的工程事故。介绍西安北站钢结构卸载从计算到实施并顺利完成的全过程,总结出钢结构卸载必须要遵循精心计算、科学组织、严格控制、精密监测原则,卸载过程必须遵循受力与变形相协调、变化过程缓和、微量下降的原则。 相似文献
10.
1