用微机实现多路高灵敏轨道电路的测试

介绍了高灵敏轨道电路基本原理以及用微机实现多路高灵敏轨道电路测试的方案和具体方法。     

党的思想路线与马列主义中国化

中国共产党正确的思想路线是在马列主义中国化的历史实践中不断总结、产生和发展起来的.深入研究党的正确思想路线形成、发展和马列主义中国化事业的曲折历程,对于进一步认识国情,总结正反两方面的经验和教训,建设中国特色的社会主义,具有重要的理论意义和现实意义.     

学生工作中信息传递方式研究

本文从高校学生工作的实际出发,从信息传递的五个环节人手,运用问卷调查法对学生常规管理信息在传递过程中常见问题及成因进行了系统分析。并在此基础上从完善体系、渠道建设、增强意识,提高技巧等几个方面提出了改进对策。     

车桥系统共振机理和共振条件分析

通过理论推导和分析实例研究列车以一定速度通过桥梁时，车桥系统的共振机理和发生共振的条件。根据发生机理的不同，车桥系统可能发生几种不同形式的共振，包括由车辆重量、离心力、横向平均风荷载等形成移动荷载列的周期性动力作用引起的桥梁共振，由移动荷载列加载速率引起的桥梁共振，由轨道不平顺、车轮扁疤、轮对蛇行等周期性加载引起的桥梁共振；由桥跨的规则性排列及其挠度的影响，对移动车辆形成周期性动力作用使车辆出现的共振。车桥系统的共振条件与桥梁跨度、长度及竖向和横向刚度，列车编组、车辆轴距参数及车辆的自振频率等因素有关。     

基于Windows CE的手持式航海功能绘算系统

针对现代舰船航海的需要,融合GIS和PDA技术,采用模块化设计,研制了“手持式航海功能绘算系统”.该系统在WindowsCE环境下融合多种导航信息,绘算快速准确,运行稳定可靠,操作灵活方便,可以提高舰船航海保障能力.     

基于工学结合的高职教育人才培养模式的研究

本文针对高职教育工学结合人才培养模式教学改革过程中存在的问题,分析了工学结合人才培养模式的基本内涵,剖析了现行高职教育工学结合人才培养模式的四种典型形式及存在的问题,提出了解决问题的方法。     

厦门东通道海底隧道土建工程设计

正在建设的厦门东通道海底隧道长约6km，采用钻爆暗挖方案修建，它是我国大陆第一座大断面的水底隧道。设计借鉴了国内外已建或规划中的水底隧道的成果和经验，‘突出“以人为本、安全第一”的总体思路，考虑了对付各种突发性灾害的处置预案，以确保工程结构具有100a的安全性和耐久性。     

博罗大桥基础施工

由于博罗大桥各桥墩所处的地质情况较复杂,在博罗大桥施工中,根据不同的地质条件采用多种新工艺、新技术。简要介绍博罗大桥基础施工情况。     

隧道内横向偏置火源火灾烟气温度特性全尺寸试验研究

为了研究隧道内火灾温度分布规律和烟气运动状态,使交通隧道火灾灾害降到最低,通过全尺寸隧道火灾试验研究了热释放速率为30 MW火源位于偏离横向中心位置一个车道宽度条件下的顶棚射流的烟气温度特征,分析了烟气在各阶段的温度分布以及沿横向和纵向扩散的规律。结果表明：在火源下游一定区域内,偏置火源火灾产生的烟气在沿隧道横向和纵向扩散温度分布均呈非对称形态;烟气继续沿纵向扩散一段距离后,逐渐出现和形成温度分层;偏置火源顶棚射流的温升趋势随时间呈二次多项式关系增长,远壁面烟气沉降高度和温度衰减幅值大于相应中心火源的试验值;与中心火源的相似,火源在下游30 m内的顶棚射流温升随纵向距离的增加符合指数衰减规律,但同时还受到偏置距离的影响;可使用量纲一的偏距与量纲一的纵向距离的函数关系式描述其分布规律。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境,其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论,构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing,LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用,对换道行为影响因素进行分析;同时,为了提升模型的迁移性,引入道路横向偏移量信息。结合LSTM神经网络的输入要求,使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型,以均方差MSE作为损失函数,使用RMSprop优化方法进行训练,对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后,针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型,LSTM-LC模型对换道行为的表征更准确,在模型的精度和迁移性上有着显著的提升;GRU-LC模型的均方差为4.64 m²,迁移性均方差为119.82 m²,而LSTM-LC模型的均方差为3.18 m²,迁移性均方差为79.58 m²,分别优化了31.5%和39.71%;通过引入道路横向偏移量M,可将LSTM-LC模型精度和迁移性提升约10%,且模型稳定性更强。