FANUC机器人在重型车桥喷漆线中应用

喷涂作业对职工身体危害大,劳动强度增大。应运FANUC Paint Robot P-250iB机器人对涂装生产线改造,喷涂机器人可自动识别喷涂目标,调用合适运动轨迹程序进行喷涂作业,使原涂装线人工喷涂实现自动化、智能化作业。     

交通信息服务系统建设和发展新模式

在新一代信息技术环境下,探讨交通信息服务系统建设和发展的新模式.针对现有交通信息服务系统发展的特点,分析了交通信息服务系统现有建设模式以及移动互联网、智能手机的发展现状,探讨了其中存在的问题.分析结果显示:数据资源整合难度大、后期运维资金不足等问题,严重影响了交通信息服务系统的服务水平以及可持续发展的能力.通过对新形势下的交通信息服务系统发展进行分析,指出当前人们对交通信息服务系统的需求发生了变化,移动互联网的发展也有了新的特点和趋势,原有的以政府为主导、以政府职能为核心的交通信息服务系统建设模式已经不能适应移动互联网技术环境下交通信息服务系统可持续发展的要求,并由此得出结论:面向新技术、新需求,交通信息服务系统必将转变为社会多方力量合作的、以用户需求为核心的建设模式.     

交互式识别在SAR图像目标识别中的应用

由于SAR成像机理、强斑点噪声等特点及受分辨率影响，导致SAR图像不直观，特别是对复杂形体小目标的解译相当困难．基于此，文中提供了基于“3S”技术的交互式识别，该方法利用构像方程原理，在“3S”技术（GPS，RS，GIS）和图像数据库的支持下，借助直观的光学图像来识别SAR图上的小目标，以及一些难以判读的大型目标，取得了比较好的识别效果．     

国内外导标工程设计参数对比分析

为了推进中国标准国际化，推动“一带一路”建设，介绍国内、外导标工程设计计算参数及性能评估方法，从计算原理、资料分析等方面对比国内外规范中关键参数的取值差异，对导标轴线、垂直张角、偏离量及评估方法进行细化分解，得出国内外规范使用的差异及不足。同时结合工程实例，计算中外规范导标的设计参数，并进行对比分析。结果表明，中外导标设计规范的设计原理基本一致，但在垂直张角、水平偏离量及导标效能评估取值上存在一些差异。     

基于遗传算法的供应链三级库存优化

从系统的观点出发,对供应链的供应、制造和销售三个阶段的库存进行动态建模,提出了以供应链三阶段成本为主的目标函数,采用遗传算法对其求优化解.并用实例对其进行了验证.     

东莞水道特大桥钢管拱肋扣挂法施工线型控制

针对东莞水道特大桥主桥结构(主跨拱肋采用钢管混凝土拱形空间桁架结构,主拱肋轴线采用悬链线)和扣挂法施工的特点,采用正装法进行主拱钢结构施工中的线型控制分析。在扣索索力调整阶段,将该扣索索力对结构的作用作为外荷载加在相应位置,已完成调索的扣索作为结构的一部分参与结构受力。索力调整的原则是,使各节段变位尽可能接近裸拱自重挠度,且使已完成调索的各扣索索力变化较小。施工阶段线型控制分析过程中,拱肋轴线始终在理想拱轴线附近。     

出口澳大利亚的N72-AS型集装箱平车

介绍了N72—AS型集装箱平车的用途、技术参数及车辆的性能特点、主要结构和试验情况。     

超快速开关在直流供电系统保护中的应用

直流电网发生短路故障时其短路电流巨大，可能超过现有保护设备分断能力，利用超快速开关技术，设计出一种新型的直流短路限流装置，阐述了其工作原理，研制出实验样机，完成了大电流分断实验，实验结果表明该型限流保护装置能有效抑制短路电流。     

郑和迷题和李约瑟难题的比较及其启迪

问题的提出 约600年前的这个时节,我国明朝航海家郑和正率领着他那庞大的船队劈波斩浪于印度洋之上.这是他那个时代世界上规模最大的航海活动,为人类绚丽多彩的征服海洋的画卷上又增添了浓重的一笔.在1405-1433年间的28年中,郑和船队七下西洋,遍访亚洲和非洲的三十余个国家,每每在"洪涛接天,巨浪如山"的茫茫大海中"云帆高张,昼夜星驰,涉波狂澜,若履通衢".     

Automated transit headway control via adaptive signal priority

This paper reports on a study that developed a next‐generation Transit Signal Priority (TSP) strategy, Adaptive TSP, that controls adaptively transit operations of high frequency routes using traffic signals, thus automating the operations control task and relieving transit agencies of this burden. The underlying algorithm is based on Reinforcement Learning (RL), an emerging Artificial Intelligence method. The developed RL agent is responsible for determining the best duration of each signal phase such that transit vehicles can recover to the scheduled headway taking into consideration practical phase length constraints. A case study was carried out by employing the microscopic traffic simulation software Paramics to simulate transit and traffic operations at one signalized intersection along the King Streetcar route in downtown Toronto. The results show that the control policy learned by the agent could effectively reduce the transit headway deviation and causes smaller disruption to cross street traffic compared with the existing unconditional transit signal priority algorithm.