滑差对贝氏体钢轨材料磨损行为的影响

通过对磨试验研究接触应力相同时贝氏体钢轨的磨损率、表面粗糙度、硬度,并结合扫描电镜观测到的磨损表面和剖面的形貌特征,分析不同滑差条件下贝氏体钢轨的磨损行为特征和变化规律.结果表明:接触应力为500 MPa条件下,贝氏体钢轨磨损率随滑差的增大而显著增大,滑差由2%增大到10%时磨损率增大了8倍;小滑差条件下的贝氏体钢轨表面较光滑,有少量疲劳裂纹,以滚动接触疲劳磨损为主;大滑差条件下表面粗糙,有疲劳裂纹、剥落坑和表面划擦痕迹,更接近滑动磨损;增大滑差可导致磨损表面加工硬化率偏大;增大滑差对贝氏体钢轨表面的滚动接触疲劳裂纹在深度方向的扩展几乎无影响,且对塑性变形层厚度影响不明显;大滑差可引发亚表面次表层裂纹.     

胸鳍波动模式仿生机器鱼研究浅析

本文介绍了仿生机器鱼的概况，着重综述了胸鳍波动仿生机器鱼的国内外研究现状，总结了胸鳍波动仿生机器鱼的特点，着重提出了仿生机器鱼研究的基础性问题，并详述了胸鳍波动仿生机器鱼研究的意义和技术发展趋势。     

点汇聚系统的航空器污染物减排效应与机理

为研究点汇聚系统的环境效益及减排机理，采用考虑气象条件修正后的航空器性能、燃油 流量及污染物计算模型，设计了理想条件下非高峰时刻与实际运行的高峰时刻两种场景，对比分 析了航空器在点汇聚系统与标准进场程序中污染物(即HC、CO、NOX、SOX和PM)的排放情况，并 从飞行时间、燃油消耗与排放指数3个方面分析了点汇聚系统的减排机理、识别了减排关键因素。 研究发现：在非高峰时刻，点汇聚系统与标准进场程序的污染物排放总量分别为5.79 kg与7.17 kg， 点汇聚系统较标准进场程序共减少约19.25%污染物排放，对NOX、SOX和PM减排效果显著；在高 峰时刻，点汇聚系统与标准进场程序的污染物排放总量分别为290.01 kg与406.69 kg，点汇聚系 统较标准进场程序共减少28.69%污染物排放，其中NOX减排比例最高可达48.32%。结果表明： 无论是非高峰时刻还是高峰时刻，点汇聚系统都具有良好的环境效益，可有效减少污染物的排放 总量，且对NOX减排效果最佳；较短的飞行时间、较低的燃油流量是点汇聚系统体现减排优势的 关键驱动因素。     

基于模糊ISM-DEMATEL的地铁施工安全氛围形成模型研究

地铁施工安全事故多发给国家、企业和个人带来了严重损失.为降低现场安全事故发生频率,研究地铁施工安全氛围的形成模型.基于文献分析和专家访谈识别地铁施工安全氛围的影响因素;运用模糊ISM-DEMATEL方法构建地铁施工安全氛围的多层结构形成模型;选用X项目开展实证研究,验证该多层结构模型的适用性.研究结果表明:地铁施工安全氛围的影响因素可以划分为社会环境因素、工程环境因素、组织或团队因素、管理者因素和工人因素等5类;地铁施工安全氛围多层结构形成模型包括社会基础层、组织-工程中间层、管理者-工人交互层和顶层等4个递进层级;管理者安全承诺为核心影响因素,安全沟通、管理者领导风格、安全培训与教育、制度压力、安全文化和组织价值为显著影响因素;本文构建的地铁施工安全氛围形成模型可有效指导地铁施工安全管理.     

基于FPGA的里程轮信号优选算法设计

文中通过对里程信号产生机理进行分析,提出了一种基于FPGA架构的里程优选算法,给出了实现算法的硬件架构图,并设计相应硬件电路和模拟实验。结果表明:该算法可以对3个里程轮脉冲信号进行优选采集,当里程轮处于超速或者停转状态时也能输出正确的脉冲信号。     

基于ADAMS的舰载补给起重机摇摆仿真及减摇措施分析

舰载补给起重机吊运柱状箱体时,箱体会由于各种外界影响发生摇摆。针对舰载补给起重机起吊的柱状箱体在舰船摇荡、起重机启停、风载的影响下发生的摇摆进行了ADAMS动力学仿真,得到了这3种因素对柱状箱体摇摆的影响情况,以及柱状箱体在预设工况下的运动规律。改变钢丝绳数量和布置形式进行仿真,得到了不同钢丝绳数量和布置下柱状箱体的运动情况以及相对单根钢丝绳的减摇效果,为进行动基座起重机减摇、防摇研究提供了依据。     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。