水平定向钻数据采集及远程监控系统研究

文中针对油气长输管道水平定向钻施工,研发了数据采集及远程监控系统。通过数据采集装置将钻机施工中的关键数据进行实时采集、处理和远程无线传输,由手机APP进行远程监控,实现了工程项目的远程管理,预测后续施工中可能出现的问题,降低施工风险,提高施工效率。     

套筒式收发球在天然气管道内检测中的应用

为解决特殊清管器和检测器以及有特殊结构收发球筒的管道难以实施内检测的问题,以某天然气管道为例,详细介绍了在多节检测器安装困难、收发球筒尺寸过短、附件安装位置不合适等限制条件下,采用套筒式收发球方式对管道进行收发球作业,安全顺利完成了管道内检测。结论认为套筒式收发球能够在不进行收发球筒改造的前提下,完成带有特殊结构收发球筒的管道内检测作业。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

一种适应超长车端距的地铁车辆贯通道方案研究

文章研究了一种用于超长车端距1400 mm地铁车辆的新型地铁贯通道方案,并对贯通道进行了曲线通过能力计算和强度计算.通过试验验证,结果表明新贯通道方案可以解决车辆端部加长后带来的横向偏移量增加的问题,满足上海轨道交通16号线地铁线路的通过要求和强度要求.     

高速动车组复合材料设备舱结构评价方法

根据复合材料失效的特点,基于渐进损伤分析方法的基本原理,提出一种高速动车组复合材料设备舱结构强度的仿真评价方法.通过选取合适的失效准则和线性损伤演化方式模拟复合材料层合板的损伤起始和损伤演化,建立复合材料渐进损伤分析模型;对复合材料设备舱骨架在气密载荷作用下进行静强度评价;通过对横梁持续加载的方式进行设备舱骨架的有限元...     

面向URL的网络机器人软件模型的研究与实现

WEB数据挖掘的关键是设计智能、高效的网络机器人.详细分析了面向URL的网络机器人的工作流程及实现它的关键技术,提出用多个队列管理URL列表,且队列元素按文档相关性高低排序,并行高速地下载网页.此外,在文档相关性计算中设计了一个可收敛的迭代阈值算法,有效地解决了相关度阈值设定的随意性.     

基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。     

数据库技术在专家系统知识表示中的应用

通过对专家系统知识表示以及数据库技术的研究,提出了一种用关系数据库表示产生式知识,构建专家知识库的方法。结合燃气轮机故障诊断模型的开发,阐述了该方法的理论和实现过程,并将系统的应用结果与BP算法和支持向量机模型进行了比较。     

基于屈服线理论的CFRP加固RC开孔板承载力

介绍采用CFRP条带加固钢筋混凝土开孔平板的试验,根据试验构件裂缝分布形态,提出单向破坏和双向破坏两种屈服线模式,应用屈服线理论对单向破坏模式的加固板承载力进行计算,并与试验值进行比较,结果表明理论值与试验值吻合较好。     

挖入式港池泥沙淤积试验研究

在水槽试验的基础上,结合部分理论分析,初步研究了挖入式港池的泥沙淤积问题的原因、泥沙运动以及淤积特性。结果表明:含沙量分布具有一定的规律,口门处淤积量较大,泥沙粒径较粗,而港池内部淤积量较小,粒径较细。因此,采取适当措施减少该形式港池口门处的淤积是十分必要的。