军用集装箱公路运输评价指标体系的分析与建立

根据军用集装箱公路运输的特点,阐述军用集装箱公路运输指标体系建立的原则然后建立其评价指标体系结构,并对有关指标进行定义和分析。     

综合评价模型应用研究——以塞罕坝生态环境影响评估为例

应用综合评价模型,选取森林覆盖率、降水量、二氧化碳吸收量、氧气排放量、林木蓄积量、涵养水量作为评价指标评估塞罕坝林场对生态环境的影响,采用AHP(层次分析法)计算指标对生态环境的影响权重,通过TOPSIS(优劣解距离法)进行指标数据优劣分析,将AHP与TOPSIS结合,得到评价指标得分。恢复前与恢复后得分相差巨大,说明塞罕坝林场恢复前后对生态环境的影响十分显著。为评估塞罕坝林场对北京防风抗沙的影响,选取森林覆盖面积、涵养水量为塞罕坝对生态环境的影响指标,滞尘、平均风速、沙暴次数、大风天数为北京沙暴天气的影响指标,使用SPSS软件对塞罕坝林场的发展指标与北京沙暴天气的影响指标进行线性回归分析,发现塞罕坝林场的恢复与北京防风抗沙有显著关系。采用TOPSIS对评价指标数据进行优劣分析,评价指标的得分说明塞罕坝林场的建立对北京抗沙暴天气起到了显著作用。     

咬合桩加固桥梁病害基础效果及应用分析

以某桥梁病害墩体基础加固为研究对象,采用数值模拟方法对咬合桩加固桥墩和桥梁扩大基础效果进行了分析,得到以下结论：考虑最不利工况时,施工完成后的咬合桩水平位移最大值为7.42 mm,满足规范允许值要求;最不利工况下的咬合桩等效连续墙弯矩最大值为526.84 k N·m,根据规范计算得到的最不利工况下的咬合桩抗弯和抗剪安全系数均大于2,说明咬合桩结构的抗弯和抗剪能力均能满足规范要求;在咬合桩整个施工过程中,引起桥梁扩大基础发生7.03 mm的沉降,且在考虑最不利情况时的桥梁扩大基础沉降值也不超过11 mm,说明咬合桩施工对既有桥梁墩基整体扰动影响较小。因此,咬合桩加固方法在桥梁扩大基础加固工程中具有良好的应用效果。     

山西省综改区大运路桥美学构思与力学研究

山西省综改区大运路桥跨越潇河,向北连接太原中心城区,是潇河产业园区产业发展的主要轴线和对外联系的主要通道,设双向8车道。桥梁方案以水文化为主题,提炼曲线元素,演绎成两跨反对称外倾小拱与一跨斜跨大拱组合而成的闭合螺旋形空间纽带拱桥,跨径布置为(65+110+110+65) m,具有反对称结构的多样与统一、DNA螺旋结构的丰富空间以及黄金分割比例的匀称美观等特点。结构体系选用合理的拱梁组合体系,在拱圈横梁下设置减隔震支座;稳定性和动力性能分析研究表明:由于造型导致的不合理受力仍然在可控范围;综合考虑景观和受力特性,推荐采用矢跨比为1/3.5、外倾角为25°、拱轴线系数为1的设计参数,以及半封闭钢箱梁、钢箱拱、叉耳式吊杆锚固等结构形式。     

如何延长柴油机的使用寿命

柴油机具有热效率高、经济性能好、功率范围宽、故障率低等诸多优点,所以我国大、中型载货汽车和工程机械等设备几乎都采用柴油机。柴油机如果使用和维护不当容易产生过早损坏,影响经济效益。作为驾驶员,应当掌握一些柴油机的使用及维护知识,以便更好地发挥柴油机的动力性,延长其使用寿命。柴油机的使用寿命     

大型连续钢桁梁桥顶推施工中关键节点力学分析研究

大型桥梁由于施工阶段与成桥状态差异较大,在最危险施工工况下桥梁节点部位易于造成结构损伤.以石济客运专线济南黄河公铁两用桥顶推施工新技术为工程背景,采用2个尺度分步分析该钢桁梁顶推过程中关键节点的应力状态.首先对钢桁梁桥进行整体结构力学分析,再将关键节点从整体结构模型中割离,施加合理的位移和应力边界条件,建立了有效的节点...     

基于OpenCV的计算机联锁上位机界面图像分析法

为了提高界面操作的效率,改善自动化办理的程度,结合上位机界面的显示规范,提出了一种基于OpenCV的计算机联锁上位机界面图像分析法.所提方法通过对上位机各类信号设备的几何特征的量化处理,完成了信号设备屏幕坐标的提取,实现了通过图片输入自动获取站场信号平面布置概况的功能.     

纳米碳酸钙改性再生混凝土抗压性能研究

以再生粗骨料取代率、纳米改性为主要影响因素，通过抗压试验及有限元方法分别探究纳米改性再生混凝土的宏观与细观力学性能。研究结果表明：混凝土抗压强度随再生粗骨料取代率增大而降低，纳米CaCO₃可以提高混凝土3 d、7 d、28 d强度，适宜掺量为1%;而通过细观分析得到纳米CaCO₃改性可加强砂浆和粗骨料砂浆界面过渡区，同时有限元计算得到的力学性能与试验结果较为吻合，可为工程应用提供理论依据。     

国内智能网联汽车道路测试与示范应用差异化分析

主要梳理了国内部分地区的智能网联汽车政策的特点，对其智能网联汽车道路测试与示范应用政策的差异进行了分析，同时指出了智能网联汽车道路测试与示范应用申请过程中存在的部分问题，研究结论可为进行智能网联汽车道路测试与示范应用的申请企业提供参考。     

基于神经网络算法的DMI设备目标识别与状态检测

针对现场对检修作业图像资料自动化审计的需求,以DMI设备状态检测为例,在AMIS智能检修作业系统基础上,设计了DMI设备目标识别与状态检测子系统,包含DMI设备目标识别模块和RBC连接状态检测模块。其中,DMI设备目标识别模块采用Fatster RCNN深度神经网络,利用AMIS智能检修作业系统采集的大量列控车载设备检修图像作为训练测试数据集,将DMI设备图像从背景图像中提取出来;RBC连接状态检测模块采用深度神经网络对DMI上显示的RBC连接状态进行检测。该系统可以实时、准确、自动分析DMI设备状态,为全面分析列控车载设备日常检修作业图像打下基础。