散货码头岸基供电系统的设计要点

在国家宏观政策的扶持下,各港区上马了一批散货码头岸电示范项目,但在系统配置上与国家和国际岸电相关标准要求略有不同。针对这一情况,研究相关的规范与标准如何与工程设计密切结合,通过对岸电低压上船连接方式和高压上船连接方式、单泊位和多泊位配电方式进行比较,归纳不同供电方式下的优缺点,提出符合现行标准的解决方案。各码头可根据泊位的情况、靠泊船型资料,采用推荐的供电方案,实现经济性与可靠性相协调。     

基于概率的桥梁劣化模型与维护策略关系

桥梁结构在服役过程中,随着时间的推移,抗力不断降低,其性能逐渐退化.提出桥梁在服役过程中可靠指标的非线性指数劣化模型以及状态指标的非线性劣化模型,能够反映劣化过程中的高次变化规律,结合两种不同的周期预防性维护策略,推导了桥梁服役期间任意时刻可靠度指标与状态指标的计算公式,研究了桥梁可靠度指标与状态指标之间的相互关系.     

中外规范高桩结构波浪浮托力对比

国际工程中,波浪对海港高桩码头结构浮托力的计算至关重要,但各国规范中对波浪浮托力的计算方法不尽相同。国际上普遍较认可欧美等国际标准,或者采用当地标准,为了在国际工程中更好地推广中国规范,往往需要采用多种规范对比分析。根据中国行业规范及手册,结合具体工程实例,对比英国、美国、日本、ISO、国际航运协会标准等常用的国外规范。此外,结合工程常用的几种不同波浪特征周期条件,分析了中等水深和较深水深下,波浪总浮托力与结构底部高出静水面高度与设计波高比值之间的关系;根据不同计算方法,分析不同水深不同周期下波浪浮托力的差异和特点,提出了海外工程的使用建议。     

青岛公交车智能调度系统的优化研究

当前我国城市交通问题日益突出,先进的智能公交调度系统是公交企业运营管理的核心内容。在详细分析系统体系结构框架的基础上,建立最佳满意度模型,并对青岛公共交通智能调度系统优化方法及应用进行研究。最后进行了实例分析。能够实现公交集团以及乘客的最佳满意度,为公交企业制定科学、合理的运营决策提供了一定的借鉴作用。     

上海轨道交通网络运营设备维护管理系统设计概述

从上海轨道交通全网络安全运营的实际需求出发,概述了网络化运营情况下设备维护管理系统的功能特点,详细分析和探讨了从城市轨道交通设备维护系统的应用及网络和软件架构的设计特点。     

8LA250ZL型中速柴油机

LA250ZL型机是L250ZL型机的改进型,首制机为8LA250ZL型,现已全面完成项目的研制要求。本文主要介绍了实现LA型机经济性指标所采取的主要技术途径和为提高其可靠性所采取的主要技术措施。     

双喷泵救助船舶应急操作研究

本文通过对双喷泵救助船舶应急操纵的研究和探索,阐述了船舶的操纵原理,为救助船员在救助作业中提供了应急处置的能力和方法.     

基于51单片机的汽车小型直流电机调速系统设计

小型直流电机作为一种响应快、控制方便的执行器，目前已广泛应用于汽车仪表、空调、动力转向、玻璃升降、电动座椅等汽车控制系统中。本文采用宏晶科技的51单片机STC89C52RC作为主控芯片，选择ULN2003作为电机的驱动芯片，设计具有独立按键的按键电路来控制电机的加速、减速，设计8位数码管电路来显示电机速度的挡位，并利用Keil 5集成开发环境进行C语言软件编程设计，通过脉宽调制（PWM）信号来实现电机速度1～18挡的控制。验证结果表明，本设计能够有效实现汽车小型直流电机的多挡调速，达到设计预期。     

公路沿线全土质边坡生态防护质量评价方法研究

边坡的生态防护处治具有工程、生态、景观等多重价值，为了实现对边坡生态防护工程的精准评价，以全土质边坡为研究对象，在全面、准确地遴选出适用于全土质边坡质量评价指标的基础上，采用熵权法建立了质量评价量化模型，并以某省道沿线全土质边坡为案例，阐述了量化模型的建立及应用过程，为边坡生态防护工程的质量评价标准形成提供了一定的参考。     

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。