低压EGR冷凝水对压气机叶轮性能和结构破坏的影响研究

在发动机与整车上对低压EGR系统冷凝水的研究表明,压气机前管路中存在的气流裹挟的水珠和沿壁面流动的稀疏水膜对压气机叶轮构成潜在损伤风险,此外压前管路存在积水区,积聚的冷凝水遇冷结冰而被吸入也将对压气机叶轮形成潜在的损伤风险.针对以上情形分别设计试验,结果表明压气机叶轮主要受气流裹挟进入的冷凝水损伤,壁面流形式的冷凝水对叶轮几乎无损伤,在有限次数的极端情况下,压前冷凝水积聚区结冰对叶轮损伤的风险也很小,而叶轮镀层的应用能够显著降低冷凝水对叶轮的损伤,因此设计上应尽量减少随气流裹挟进入压气机的冷凝水.本研究为低压EGR系统设计以及压气机叶轮预防低压EGR系统冷凝水破坏提供了设计参考.     

一种免拆后浇带施工模板质量控制及应用

为了提高后浇带模板施工质量,解决拆模难度大等问题,提出一种新型、免拆除的快易收口网后浇带施工模板.从施工工艺、技术、造价等方面对比传统模板进行综合分析,论证快易收口网后浇带模板的优越性,归纳总结其施工质量控制关键点,并成功应用于某大型水利枢纽工程建设中,使得该工程抽检的6个后浇带部位蜂窝个数、平面位置偏差、混凝土表面高差、后浇带强度、表面观测等指标均满足设计要求.为该新型模板工程施工技术发展提供依据和基础.     

客车部件漆面开裂的原因分析与解决措施

针对客车驾驶员座椅安全带座固定处漆面开裂问题,通过现场排查分析出其产生原因,然后制定改善方案,效果较好.     

CFG桩在太长高速公路地基处理上的应用

针对太长高速公路中地层不均匀的山区地质特点，按照工程对地基土的要求，提出采用CFG桩进行处理，取得了较好的效果。     

浅谈土方路基施工的质量控制

对土方路基施工问题进行了探讨,对其实际施工中的施工工艺、质量控制进行了阐述,对施工中出现的问题提出了具体的处理措施,以提高土方路基的施工质量。     

防波堤箱筒型基础结构气浮拖运与负压下沉工艺

以天津港箱简型基础防波堤试验工程为例，介绍了防波堤箱简型基础新结构及基础结构气浮拖运和负压下沉的新工艺，实践证明：这种国内首次开发的新工艺，安全可靠，耗能少，操作简单，适用于淤泥质地质条件下的防波堤、导堤及护岸工程。     

大哗山隧道塌方处理

大哗山隧道施工过程中浅埋段发生塌方事故.分析塌方因为,介绍塌方处治措施及处治后的效果,为隧道后续施工提供经验.     

基于企业套期理论的动因分析

企业套期就是企业利用金融创新产品以及远期、期货、期权与互换等金融衍生工具以消除企业在经营中所面临的一系列与收入现金流相关的不确定性所采取的策略。本文对早期企业套期理论进行了回顾，并从不完全资本市场、非对称信息与管理激励、企业资本结构等几个方面阐述了企业套期如何增加企业价值，并对企业套期理论在企业中的应用提出一些见解。     

超大跨度双跨钢桁梁悬索桥动力特性分析和模态试验

以跨径布置460 m+1480 m+491 m的一座双跨钢桁梁悬索桥结构为工程背景,充分考虑结构几何非线性效应、大位移非线性效应等因素的影响,建立了算例桥梁的MIDAS空间有限元分析模型,对基本动力特性进行了仿真分析和结构振动试验测试;对成桥结构进行动力特征参数测试,并与理论计算值进行了对比分析,该桥实测动力特征参数与对应理论计算值基本吻合,且测试值大于理论计算值,这表明成桥结构实测刚度大于理论设计目标值。     

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。