基于纯虚拟的船舶轮机模拟训练系统

针对传统陆上轮机模拟器的不足,研制了基于纯虚拟模拟的船舶轮机模拟训练系统(MESTS).系统以计算机局域网为平台,主要包括设备示教模块和设备虚拟训练模块两大部分,可实现设备结构组成、工作原理、维护保养的计算机示教功能和设备故障诊断、虚拟操纵的模拟训练功能,介绍了系统实现过程中的关键技术及实现方法.使用结果表明系统可有效提高船员熟悉和掌握设备的水平.     

公路工程装配式混凝土桥梁地方质量检验评定标准的编制工作简介

装配式混凝土桥梁作为工业化建造技术的一种实践方案已经在上海、长沙、成都、无锡等多个城市高架桥建设项目中进行了应用,但目前尚未发布公路工程行业质量检验评定标准。为推进装配式混凝土桥梁技术在南京和江苏公路工程桥梁建设中的应用,需要制定地方性《装配式混凝土桥梁质量检验评定标准》,为工程质量的过程控制及交、竣工质量验收提供评定依据。     

基于特征替换的船体结构批量参数化建模方法

船体结构中大量相同、相似并且有依附结构的构件,建模时存在重复操作多、工作量大、构件轮廓与其依附结构难以自动随形变化及建模效率低下等特点。基于此,提出一种基于特征替换的船体结构批量参数化建模方法。基于NX开发平台,设计考虑船体结构特征的参数化草图模板,通过开发的特征识别与特征替换算法,确保新建的船体构件轮廓与其依附结构自动随形变化,实现构件的批量自动化建模。最后,对几类主要的船体构件进行测试,实现批量自动化建模,建模效率有明显提升。     

Exergy Analysis of Direct-Expansion Solar-Assisted Heat Pump Based on Experimental Data

The purpose of this research is to reveal the exergy variation of each component in a direct-expansion solar-assisted heat pump(DX-SAHP)system.Exergy analysis o...     

黏性土地基中摩擦型能量桩现场热响应试验

温度作用下摩擦型能量桩不仅会引起桩体热应力,而且会引起桩体位移.针对黏性土地基中摩擦型能量桩开展现场热响应试验研究,实测进/出口水温、桩体温度以及桩体热应变与热应力等变化规律;分析能量桩换热功率、桩体轴向约束应力、侧摩阻力、轴向相对位移以及中性点位置等热力响应特性.研究结果表明:试验条件下,3.0 kW恒定输入功率时,...     

人工湿地处理桥面径流的试验研究

针对广东渝湛高速公路人工湿地对路(桥)面径流处理的效果进行了试验研究。首先对路面径流试验的内容、方法及技术路线进行了设计,并结合实际情况确定了试验方案。然后,根据方案进行了试验观测,并得出相关试验数据。最后,根据数据进行分析和总结,得出人工湿地处理路面径流的相关规律和特点,并指出人工湿地技术是一种集经济效益、环境效益及社会效益为一体的生态式路面径流处理技术,具有较好的实用和推广价值。     

高校基金会的管理与投资

以中山大学基金会为例,分析高校基金会的运作,认为当前基金会存在会计核算体系不够完善、管理体制不够健全、从业人员不够专业、投资环境和人文意识不够配套等问题,并提出了一系列改进的意见和建议,包括充分披露会计信息、争取海外捐赠、鼓励院级基金和专项基金、留本基金的投资运作等.     

船体分段车间指标采集系统开发及应用

为验证船体分段车间智能制造执行管控系统（Intelligent Manufacturing Execution System，IMES）软件在多家船厂的应用效果，开发船体分段车间指标采集系统（Index Collection System，ICS）。该采集系统可对船体分段车间的生产效率、车间库存减少百分比、停工待料缩短百分比、船体分段无裕量制造率和品质报验差错率等5项指标按周期进行数据采集和处理，进行指标验证。根据验证结果，可不断完善优化IMES，以利推广。     

打桩船定位桩底座关键结构强度有限元分析

为避免打桩船在作业时可能导致桩架断裂等问题的发生,对桩架底座进行结构强度校核。依据中国船级社(CCS)相关规范,使用有限元软件建立某打桩船定位桩底座加强结构的有限元模型,并对航行和作业状态两种工况下的结构强度进行有限元分析,获得相关应力情况并进行研究分析,结果表明定位桩底座加强结构的强度满足CCS相关规范要求。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。