风浪中船舶航行安全性研究

依据船舶耐波性理论计算结果,运用灰色关联综合评估理论对大风浪中船舶耐波性进行了综合评估,然后根据评估结果确定船舶在波浪中以某一航速航行时的优选航向,并通过实例应用与分析表明,使用该方法能为船舶安全航行提供科学指导。     

广珠西线珠江特大桥主桥承台钢板桩的围堰施工

承台钢板桩围堰施工是桥梁施工当中比较少采用的方法,文中通过介绍广珠西线珠江特大桥承台钢板桩施工成功的经验,经过对钢板桩围堰的精心设计与组织施工,达到了项目的预期效果,不仅保证了质量,缩短工期,且大大的节约成本。     

浅谈桥梁病害及加固技术

根据多年来对桥梁病害的调查研究和加固设计,介绍各种病害的原因及表现形式,以及对病害进行分析,并提出常见的几种加固技术。     

镦粗直螺纹钢筋接头在西港高架桥主墩钢筋笼连接中的应用

汕头市西港高架桥主桥墩采用直径2.5m、长71～83m的钻孔灌注桩,按人工焊接工艺安装完一根基桩钢筋需要四、五天时间,后改采用镦粗直螺纹钢筋接头,安装时间减至一、二天时间,大大的提高了钢筋笼安装效率,证明该技术完全能代替常规的焊接技术,可供同行借鉴推广使用。     

基于神经网络的感应电动机特性辨识新方法

提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络。由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识。该方法较已经提出的方法相比,需要的检测量少,辨识方法简单。仿真研究表明,RBF神经网络辨识效果优于BP神经网络。     

轨迹数据驱动的单点信号交叉口运行效率评价方法

为解决信号交叉口运行效率评价方法偏理论化、实用性不强等问题,以出租车、公交车、驾图(车联网)多源GPS轨迹数据为基础,充分利用车辆减速、停车、加速等连续速度变化特征及位置信息,提出交叉口个体车辆排队长度、通行时间、停车次数等交通参数提取技术.基于此,构建以信号交叉口运行指数为一级指标,车辆平均通行时间,第95％分位排队...     

基于文本挖掘的道路运输安全风险源辨识模型

为了解决当前道路运输安全风险源辨识工作中数据短缺和人员工作量较大的问题,从文本挖掘的角度出发,提出一种能够自动辨识道路运输过程中安全风险源的模型.该模型首先对道路运输文本进行因果句提取,并对因果句进行分词操作,实现安全风险源特征的增强;其次,进行适应卷积神经网络(convolutional neural network...     

测量齿盘齿数对扭振测量精度影响的研究

通过理论推导,定量分析了用等分齿盘作为扭转振动测量信号齿盘时,齿盘齿数与扭振测量精度之间的数学关系,并对仿真信号进行了分析,确定了单谐次幅值精度满足要求时每周期内所需的最少采样点数以及齿数较少时的有效简谐次数。以某多缸车用内燃机为研究对象,进行并齿处理后,比较各谐次幅值随齿数的变化,进一步验证了结论的正确性;同时,利用理论分析得到的数学关系,对少齿数扭振信号进行准确有效地修正。     

船检履约与应对IMO强制审核要点与措施研究

为促进全球海上安全和防污染相关国际公约的有效执行,国际海事组织于2009年批准了"IMO成员国自愿审核机制"强制化,我国将于2021年接受IMO的强制审核。船检占强制审核政府义务条款大部分内容,其被视为IMO进行强制审核的重点领域。因此,本文拟针对IMO履约规则及相关国际公约中有关船检的管理要求,对我国海事船检履约情况进行评估,分析我国船检海事立法与管理方面存在的问题,提出我国针对船检履约与应对IMO强制审核的要点及改进措施,以满足2021年IMO强制审核的要求。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。