虎跳门口门浅滩航道整治方案及效果分析

通过对虎跳门口门浅滩航道整治方案的整治效果分析,为口门浅滩航道整治提供参考。     

连续运行GPS观测网络的对流层天顶延迟估计

对基于连续运行GPS观测网络的对流层天顶延迟估算模型和参数的选择,及其对估计结果的影响进行研究。在选用相同的对流层改正模型、卫星截止高度角和相同的对流层天顶延迟参数个数的条件下,分段线性方法比分段常数法和单参数方法更能客观反映对流层随时间的变化趋势。在选择相同的天顶延迟模型的条件下,观测时间越长,用于对流层天顶延迟估算的数据越多,对天顶方向的对流层折射估计越有利。天顶延迟参数个数的选择对对流层折射有较大影响。参数过少,则不能充分反映对流层随时间的变化;参数过多,则降低了解的强度。一般对中长基线而言,选择每2～4h一个天顶延迟参数,能较真实地反映对流层的变化,提高基线解的精度。     

六轴提速机车采用弹性架悬方式的研究

针对我国2C0轴式提速机车转向架横向动力学性能较差的问题,提出新的2种端轴驱动装置弹性架悬方案：中间轴采用驱动装置刚性架悬、两端轴在电机端采用吊杆悬挂的电机端弹性架悬方式;中间轴采用驱动装置刚性架悬、两端轴在电机悬臂端为2点悬挂并通过吊杆悬挂在构架端梁上的悬臂端弹性架悬方式。采用多刚体动力学软件SIMPACK建立2C0轴式刚性和弹性架悬机车的动力学模型,比较电机端弹性架悬方式、悬臂端弹性架悬方式和各轴电机均采用驱动装置刚性架悬的既有架悬方式下的机车动力学性能。分析结果表明：与既有架悬方式相比,采用端轴驱动装置弹性架悬方案可以显著降低机车直线运行的轮轴横向力,改善机车通过大、中半径曲线的横向性能,提高平稳性;在2种端轴驱动装置弹性架悬方案中,电机端弹性架悬方式优于悬臂端弹性架悬方式,前者的非线性直线运行临界速度比后者和既有架悬方式有较大提高。     

重庆万州区公路网洪灾危险性评价

以重庆万州区为例,以城镇为行政单元,综合考虑地质灾害、孕灾环境、公路类型、路网技术等级和路网密度等指标,基于GIS软件和AHP集成方法得到了重庆市万州区的公路网洪灾危险性分区图.结合综合评估指数将重庆万州区公路网洪灾危险等级分为2级,即中低危险性和较高危险性,所占区域总面积比例分别为68.55％和31.45％.     

河床阻力研究综述

总结归纳了国内外沙粒阻力及沙波阻力计算方面取得的主要成果,认为计算沙粒阻力的关键在于沙粒当量粗糙度ks1的选取,目前在ks1的选取上主要有4种代表性观点,而沙波阻力主要有基于沙波几何形态与基于水流泥沙条件两类计算方法.同时,通过分析现有公式存在的不足,结合河床微观形态具有自相似性的特点,提出可将分形维数引入阻力计算公式...     

供油参数对CNG双燃料发动机低负荷排放的影响

通过发动机性能试验 ,对引燃油量和供油提前角对发动机低负荷排放的影响进行了深入的探讨。试验表明低负荷时引燃油量可适当增加以改善排放 ;供油提前角适当提前可降低HC和CO排放 ,又不会使NOx 排放增加很多。     

基于径向基神经网络的EPS助力控制方法

回顾汽车助力转向系统的发展历程,并对电动助力转向(EPS)系统进行分析。在总结前人研究方法的基础上,探索出一种基于径向基(RBF)神经网络的EPS助力特性研究方法。通过径向基神经网络的学习和训练,对理想的助力特性曲线进行拟合和预测,得到非常理想的新曲线。学习的结果说明,径向基神经网络在学习和预测方面功能强大,应用此控制策略,对后续的研究提供了一个选择。     

一种新型结构振动控制阻尼器的试验研究

在传统TMD和TLD减振器基础上研究设计了液体质量双调谐减振器(TLMD),与传统减振器相比,可以实现频率和阻尼参数的完全分离、更高的减振效率和更长的使用寿命等。本文基于固液双调谐设计了TLMD减振器,并在此基础上进行了减振器的参数稳定试验和STLMD及MTLMD的减振效果试验。结果表明:该新型TLMD减振器具有较高的参数稳定性和减振效率。     

城市交通网络综合平衡配流模型及求解算法

在用户平衡和系统最优的基础上 ,提出了综合平衡配流模型 ,以协调二者之间的矛盾 .其目的是使交通规划更趋合理化 ,不仅考虑了整个系统 ,而且又不忽视用户 .同时 ,利用改进的遗传算法来求解此模型 ,其结果是理想的 .     

基于双向权值调整算法的神经网络非线性系统辨识

使用神经网络建模是非线性系统辨识的一个重要方法。为克服传统BP算法训练多层前向神经网络进行系统辨识中存在的一些问题,本文提出一种使用双向权值调整学习算法训练单隐层前向神经网络进行非线性系统辨识的方法。此辨识方法使用结构简单的单隐层前向神经网络,在正向阶段由Moore-Penrose广义逆确定输出权值,反向阶段则按误差梯度下降原则对隐层权值进行调整。算法能在正向和反向两个过程对网络的权值做出调整,具有较快的学习速度,并且能在一定程度上保证神经网络的泛化能力。通过基准辨识仿真实验验证,基于此方法的非线性系统辨识具有建模结构简单、训练速度快且辨识精度高的特点。