某高速公路落石处治方案分析

山区的陡崖落石是高速公路运营期常见的地质灾害之一。由于危岩落石一般位于陡崖上部,山体内侧的贯通控制性节理在勘察设计中容易被忽视。因此,文章根据某高速公路落石案例,结合无人机倾斜摄影技术、三维建模解译确定落石的高度、方量,通过计算机模拟运动轨迹计算获取落石运动特征,为落石处治提供依据。该处治方案的思路及模式可为今后的山区陡崖落石处治提供参考与借鉴。     

混水供热系统的改造

针对混水供热和间接供热方式进行了研究.通过对一个10万m2小区热力站进行的混水系统改造,并与常规的间接供热系统进行了经济性比较,得出混水供热系统初始投资少,运行成本低,是一种更好的供热方式.     

我国的检验检测市场距离中介检验检测市场还有多远(下)

分析了我国检验检测市场的现状,指出了政府实验室和中介(商业)实验室的定位和区别,并指出,在目前乃至今后相当长的时间内,我国检验检测市场以政府检验检测市场为主导地位,中介检验检测市场的最终形成要与我国经济发展和政府机构改革、政府职能的转变形势相适应,还需要相当的历史阶段才能完成。     

虚拟产品开发技术在中国汽车工业发展中的应用

<正>前言虚拟产品开发(Virtual Product Development)是建立在可以用计算机完成产品整个开发过程这一构想的基础之上。工程师完全是在计算机上建立产品模型,对模型进行分析,然后改进产品设计方案,用数字模型代替原来的实物原型,进行分析、试验、改进原有的设计。这样常常只需制作一次最终的实物原型,使新产品开发一次获得成功。企业通过"虚拟产品开发"这种新技术把握住产品开发过程,这样的企业     

检测工作中的法律责任

在介绍国际上法学理论中所用的一些重要的责任概念的基础上，着重介绍了世界上大多数国家在产品检测、质量保证及相关认可工作中的法律责任问题。     

安楚高速公路SMA混合料组成设计中若干问题的试验研究

通过室内试验,分析级配组成对SMA混合料骨架结构的影响、细集料品质对SMA混合料体积参数的影响、试件击实次数对SMA混合料试件体积参数的影响,并分析木质素纤维状态对SMA混合料的析漏量的影响,为SAM混合料的应用技术提供建设性意见。     

基于云模型-CRITIC 的现代有轨电车路基服役状态等级评估

为科学准确、高效便捷地评价现代有轨电车路基服役状态,基于云模型的模糊性、随机性及其对定量数据与定性特征转换实现的特点,利用历史监测数据,构建现代有轨电车路基服役状态等级评估体系。同时通过基于指标相关性的指标权重确定(CRITIC)法,更加客观的对各指标赋权,最终生成评价标准云和综合云的对比分析。实验结果表明,该模型具有一定的有效性和合理性,能够对路基服役状态判断提供参考借鉴,并且有利于降低检测过程中仪器成本。     

改进食肉植物算法优化的车辆长期目标跟踪器

研究了群体智能算法与目标跟踪相关的机理,提取了跟踪区域快速方向梯度直方图(FHOG)作为特征模板,利用食肉植物算法在图像搜索区域搜寻目标位置,基于巴氏距离作为模板匹配的相似度函数设计了一种食肉植物算法跟踪框架;考虑到实际跟踪过程的遮挡、背景杂乱等复杂状况,设计了一种短期记忆模块来预测跟踪过程中食肉植物算法的初始化个体,该模块采用高斯分布方式,利用视频序列前2帧中目标位置来预测运动轨迹;为更好地利用食肉植物算法优化目标跟踪,在迭代过程中设计了一种随机跟随策略与种群划分机制,并作为搜索策略引入跟踪框架中;为弥补方向梯度直方图单特征对目标的表述能力不强的问题,在FHOG基础上融合了ResNet-50中的Conv2-1与Conv4-1两层特征,并在融合特征的基础上设计了一种自适应学习率动态更新模板;在种群维度上添加二维比例感知因子,使得目标窗口的长宽比各自变化,更好适应目标窗口的尺度变化。研究结果表明: 随机跟随策略和种群划分机制的引入显著改善了食肉植物算法的迭代速度和寻优能力;融合特征和自适应模板更新增强了目标特征表述能力, 解决了由于遮挡等情况学习到大量无效信息,从而导致特征模板退化的问题;算法在跟踪UAV123中几个具有挑战性的车辆视频序列时性能优越,精确度和成功率分别为0.81和0.58,速度为每秒11.05帧;与同类算法相比,跟踪精度和鲁棒性均有大幅提升,能够适应复杂场景中的环境变化,对目标车辆长期保持稳定跟踪。     

DHSSA优化的K均值互补迭代车型信息数据聚类

针对传统方法在车型信息数据聚类过程中受初始化中心点的影响较大导致聚类精度低、鲁棒性差以及在迭代过程中求取均值选择聚类中心受离群点影响大的问题，提出了一种DHSSA优化的K均值互补迭代车型信息数据聚类方法。首先，针对SSA算法中发现者位置更新不足和种群多样性不足的问题，设计了一种扰动因子-领头雀优化策略，通过自适应领头雀策略加强了最优个体的影响力，利用扰动因子扩大搜索空间，提升了寻找聚类中心的准确率；其次，设计了基于筛选最大最小距离积方法 SMMP优化聚类中心的初始化，在MMP基础上增加了筛选机制，使初始化的中心尽可能更均匀地分布在每个簇中；最后，融合DHSSA和SMMP来优化K均值互补迭代，在减小迭代次数的同时增加搜索效率，得到较好的聚类结果。利用多种数据集进行测试，通过试验结果中的收敛曲线和性能指标可以看出，提出的DHSSA-KMC方法相对于SSA-KMC、IMFO-KMC、KMC和KMC++具有更高的搜索精度、收敛速度和更低的聚类代价，并且耗时相对于SSA-KMC和IMFO-KMC有所减少，证明了算法的有效性和优越性。在车型信息数据处理过程中，DHSSA-KMC可以高效聚类生成竞品...