一种双面焊接起重机臂架内焊缝的自动焊机

针对起重机及随车起重机狭长臂架内腔的空间较小且焊缝较长而无法实现双面焊接的问题,利用已有的普通小型自动焊机,将其改装成一种能双面焊接起重机臂架内焊缝的自动焊机,并具体阐述了其改装结构布置、原理及实施方式。     

我省高等级公路路面机械化施工的现状分析和对策探讨

对我省高等级公路路面机械化施工的现状进行分析，提出沥青砼、水泥砼、碾压砼以及基层施工机械配套所存在的问题，强调沥青砼碾压机械的重要性；提出水泥砼滑模摊铺机作为主导设备机对砼搅拌设备中有关计量及搅拌均匀性指标的重要性；对碾压砼和基层施工机械，依然强调搅拌设备的计量准确和搅拌均匀性；对基层摊铺问题，提出发展与我国国情相适应的自动找平的平地机；最后提出石料加工中使用反击式破碎机解决针片状比例的问题。     

高性价比——选择星马的理由

一年一届的上海宝马展是各大汽车公司推出自己新产品,相互争奇斗艳、相互交流的一个大舞台,华菱星马公司也不例外,不仅参加了此次展会,还携新产品节能环保大功率发动机、华菱变速箱、星马56米臂架泵车,     

自动驾驶高精度地图众源更新技术现状与挑战

针对自动驾驶高精度地图实时动态更新在高精度、高可靠、高安全等方面所面临的挑战，总结当前高精度地图更新面临的困难与挑战，加快自动驾驶高精度地图的大规模商业化落地，从而提升智能汽车的安全性和稳定性，为高级别自动驾驶提供重要支撑。首先描述了自动驾驶地图的定义与内涵，指出自动驾驶地图的数据特性和功能应用；其次梳理了高精度地图更新的发展现状与趋势，综述了地图集中式更新与众源式更新的优劣，指出众源更新已成为地图更新发展的新趋势；再次，总结了目前众源更新的基本架构与关键核心模块，并针对关键核心技术展开分析，归纳了众源更新所涉及关键技术的现状及趋势。结果表明：当前技术仍然面临着7个主要方面的挑战，涉及地图模型、高精定位、三维重建、融合更新、数据安全、快速审查、标准法律法规。针对这些挑战，指出自动驾驶高精度地图众源更新技术难题需要政产学研多部门从技术、政策、法律多维度共同推进解决，从而加速自动驾驶地图众源更新技术的发展与应用。     

不同配合比粉煤灰高性能砼力学性能试验研究

研究粉煤友在高性能砼中不同配合比条件下的活性效应，测定不同粉煤灰用量、水胶比等条件下多组高性能砼的抗压强度、静弹性模量等力学性能；通过试验，分析粉煤灰在高性能砼中的效应，研究粉煤灰及其掺量对砼力学性能的影响。     

上海将采取新措施使交通排堵保畅

上海市交通部门将采取15项排堵保畅新措施，其内容涵盖站、线、车、道、人五个方面。主要有：（1）调整67个“一站多线”公交站；（2）5000人以上小区公交配套；（3）再建650个出租扬招候乘点，总数达到1000个；（4）落实6个公交配套枢纽；（5）轨道交通实施一票换乘；（6）轨道交通峰时段缩短间隔，一号线北延伸段9min．二号线3min 12s，五号线6min 30s，并延长运营0．5h；（7）建成总长超过20km公交专用车。     

推出自产发动机,华菱星马站上新的发展起点

<正>11月27日,在2012上海宝马展车展上,华菱星马汽车集团(以下简称华菱星马)召开"星凯马大功率发动机暨星马56米臂架高效泵车新品发布会",正式发布了1其五年来研发的节能环保大功率发动机、变速器和56米臂架泵车。刘汉如在发布会上致辞时难掩内心的激动:"星凯马动力的推出,是华菱星马的转折点,是华菱星马发展壮大自主品牌历程中的里程碑。华菱星马人将以航空的标准、艺术品的标准把星凯马动力打造成民族品牌的最强心脏,推动中国的汽车工业不断向前发展。"     

自动布料带压浇筑隧道智能衬砌台车研制及应用

为解决隧道衬砌背后空洞及不密实、施工缝压溃、掉块、止水带偏位等技术难题，创新研制了自动布料带压浇筑隧道智能衬砌台车，构建了隧道衬砌混凝土自动布料、带压浇筑、施工缝零搭接和防空洞监测等新工艺体系，可减少或消除衬砌质量缺陷。试验表明： 1）采用自动布料封闭管路带压浇筑系统，能实现分层逐仓浇筑，减少混凝土离析和污染，实现单次换管2～3 min，提高效率35％以上，节省人工50%以上； 2）拱部采用自动振捣器，混凝土不密实减少85%以上； 3）运用双模式控制系统，提升定位精度和安全性，比普通台车定位时间缩短30 min以上； 4）采用“V”形槽零搭接装置，可避免施工缝顶裂和压溃，且利用可视化堵头板，方便施工； 5）应用智能集成控制系统，可实现自动布料、自动振捣、自动监测和自动生成数据报表，实现人机交互。     

长间距缩缝水泥砼路面的研究

介绍了通过采取补偿收缩和薄膜减摩联合作用的技术措施，修筑长间距缩缝水泥砼路面的室内外试验情况，为延长砼路面缩缝间距，提高砼路面综合性能，进行了探索。     

类脑学习型自动驾驶决控系统的关键技术

作为高级别自动驾驶的下一代技术方向，类脑学习以深度神经网络为策略载体，以强化学习为训练手段，通过与环境的交互探索实现策略的自我进化，最终获得从环境状态到执行动作的最优映射。目前，类脑学习方法主要用于自动驾驶的决策与控制功能设计，它的关键技术包括：界定策略设计的系统框架、支持交互训练的仿真平台、决定策略输入的状态表征、定义策略目标的评价指标以及驱动策略更新的训练算法。本文重点梳理了自动驾驶决策控制的发展脉络，包括两类模块化架构（分层式和集成式）和3种技术方案（专家规则型、监督学习型和类脑学习型）；概述了当前主流的自动驾驶仿真平台；分析了类脑决控的3类环境状态表征方法（目标式、特征式和组合式）；同时介绍了自动驾驶汽车的五维度性能评价指标（安全性、合规性、舒适性、通畅性与经济性）；然后详述了用于车云协同训练的典型强化学习算法及其应用现状；最后总结了类脑自动驾驶技术的问题挑战与发展趋势。