基于崩塌体堆积作用下的滑坡稳定性分析

基于刚体理论和整体极限平衡原理,建立力学传递模型,分析滑坡在崩塌体堆积作用下的稳定性,建立链式计算关系,最终可确定滑坡破坏的极限阈值。以重庆市李子坝一化龙桥危岩滑坡为例,对该计算理论的正确性进行验证,结果表明该计算理论能很好地反映在崩塌体堆积作用下发生滑坡灾害链的实际情况,且具有较高的计算精度,可以为此类问题提供借鉴和参考。     

10kV供电系统继电保护的选择性应用

综合继电保护在港口10kV供电系统中为保证港口的正常运营起到了举足轻重的作用。结合实际情况,针对港口供电系统的特点,提出相关的保护方式和整定值计算原则,有利于进一步规范港口10kV变电站继电保护的定值计算和管理工作。     

内河交通物联网安全分析及应对策略

为适应内河交通信息化的发展,提出了内河交通物联网的概念.在分析内河交通物联网概念、体系结构的基础上,研究其信息安全问题.对内河交通物联网的感知层、网络层、数据处理层、应用层和展现层进行全面分析,研究各层存在的安全隐患及面临的安全挑战,并提出相应的安全技术策略,以促进内河交通安全、快速发展.      

短弧长积分法与平均加速度法的比较分析

为比较短弧长积分法和平均加速度法在卫星重力反演中的效果,用Fortran程序语言分别基于短弧长积分法和平均加速度法编写了2套计算程序,对GOCE(重力场和静态海洋环流探测)卫星精密科学轨道进行了反演计算,得到了2组90阶次的重力场模型Model_Arc(短弧长积分法)和Model_Acc(平均加速度法).结果表明:Model_Acc大地水准面阶误差最大在80阶仅4 cm,而Model_Arc在90阶处达到10 cm;2个模型总体上都比用CHAMP和GRACE卫星的轨道数据反演的模型精度高,Model_Acc在80阶次以前比GO_CONS_GCF_2_TIM_R3精度高,但平均加速度法耗时比短弧长积分法长.      

不确定性条件下的设备替换优化的 随机动态规划方法

本文提出了一种解决设备更新换代优化（ERO）问题的随机动态规划（SDP）模 型,用以明确地解释在车辆利用中的不确定性,并采用 Bellman 算法解决 ERO SDP 问题. 针对 SDP 状态空间的增长,提出了特殊简化算法,以解决动态规划方法中固有的“维数 灾”问题,确保所需的内存和计算时间不会随着时间范围的增加而成倍增长.并对 SDP 软 件的实现技术、功能和图形用户界面（GUI）进行了讨论,开发了基于 SDP 的 ERO 软件, 并使用美国得克萨斯交通局（TxDOT）现有车辆数据进行验证.对统计结果、软件计算时 间和求解效果进行综合分析,结果显示,使用该 ERO 软件,估计大量成本可以节省.     

基于手机基站数据的混合地图匹配算法研究

基于移动通信的交通信息采集是智能交通系统中新兴的应用技术之一,将车载 手机定位到电子地图上是其应用的基础,而地图匹配技术则是解决车载手机定位的关键. 本文通过对车载手机行驶在不同的路网时所产生的基站切换数据信息,分析得到车载手 机实际运行时基站切换的基本规律;并结合电子地图的数据结构特点,对使用基站切换 数据进行地图匹配时需解决的难点问题展开研究;在使用基站切换对代替道路稳定切换 序列的方法的基础上,提出了结合切换对和基站源址的混合地图匹配算法.此算法可以缩 小待选路段集,有效处理交叉口和平行路段等复杂情况,提高匹配准确率.最后,选取广州 大学城为实地测试区域,验证了此算法的可行性.     

基于二维切削理论的绞刀刀臂载荷分析

为了计算绞吸式挖泥船绞刀刀臂在不同工作状态下所受到的载荷作用,引入二维切削理论,对绞刀刀臂所受到的载荷进行分析和研究.根据各参数之间的关系,用MATLAB软件来实现载荷的计算,并用ANSYS对切削过程进行分析,证明计算受力时引入二维切削理论是可行的.     

结构动力方程的2种精细时程积分

分析了增维精细时程积分和扩展精细时程积分2种方法在求解结构动力方程中的异同.在演变随机激 励为多项式、指数函数以及正弦/余弦(虚指数)函数组合的一般形式下,分别推导出了2种方法所对应的显式离 散递推表达式.结果表明:2种积分方法所对应的显式递推格式最终都转化为积分步长的多项式函数,并且在相 同泰勒级数展开项的条件下,扩展精细积分除包含增维精细积分的所有递推项外,还包含一些高阶小项,理论上 具有更高的精度;忽略高阶小项,2种方法尽管算法实现不同,离散递推格式完全一致;工程实例计算表明,二者 计算精度都可以达到10位以上有效数字,扩展精细积分计算时间较增维精细积分少一个数量级.      

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.