水雷布设面上的磁场计算方法研究

由于舰船磁场测量受测量场地的水深和测量点个数的影响,如何利用有限的磁场测量值,去计算布设水雷深度上的磁场值,成为本文研究的内容。现有多种方法来进行磁场深度计算,因此需要选择一种计算量较小、满足精度要求的方法。通过Matlab仿真,用仿真值和实测值进行比较,证明该方法的准确性和实用性,此方法在研究舰船对抗水雷能力具有重要意义。     

中国船员劳动工伤事故分析报告

根据国内某大型航运企业2001-2009年船员劳动工伤事故资料,对比分析了中国船员与国内、国外相关部门的企业员工劳动工伤事故千人死亡率,以及导致船员死亡、重伤和失踪的主要原因.统计数据表明:随着年龄的增加,船员发生劳动工伤事故的可能性增大;外派船员发生劳动工伤事故的比例要高于内派船员.船上劳动工伤事故发生的主要场所在甲板,其次为机舱;造成船员工伤伤害的后果主要是骨折与骨裂;引发船员劳动工伤事故的主要因素依然是人、物、环境及管理等因素;造成船员工伤伤害的主要原因有个人不慎、疏忽风险、自我保护不当、违章作业以及海事等.     

采用喷涂纯聚脲技术提高海洋结构耐久性

介绍纯聚脲技术的技术优势及其在San Mateo跨海大桥和青岛跨海大桥建造中的应用.研究结果显示出纯聚脲技术具有优异的长期防护效果,抵抗盐雾及紫外线/盐雾循环老化的能力强,可以胜任跨海大桥的百年防护任务.     

大城市交通拥堵致因的故障树分析

为解决拥堵问题,提出将故障树分析法引入道路交通拥堵中。对道路拥堵故障树进行了相关说明,以北京丰台区广安路为例,构建道路拥堵的故障树模型,分析引起拥堵的所有可能原因,并通过定性和定量分析找出了主要拥堵原因,给出了解决道路拥堵的方案。     

共轨喷油器在车喷油量控制自学习方法

为了精确控制喷油器老化后的在车喷油量,分析了共轨喷油器老化试验前后的小油量喷射特性,提出了小油量自学习修正的方法。当发动机处于倒拖工况时,在不同的轨压下,通过主动小脉宽喷射测得特定缸角加速度与其他几缸角加速度平均值的比值,研究得到发动机小油量燃烧后角加速度变化规律,并据此设计喷油量控制自学习算法。实车试验与台架试验表明,在无需增加额外传感器的情况下,小油量自学习修正算法能精确控制老化喷油器的小油量,明显改善老化喷油器小油量喷射的一致性和稳定性,满足发动机在全寿命期间的性能要求。     

基于共轨OBD系统的轨压传感器故障诊断研究

通过对高压共轨系统燃油喷射压力的特性研究,提出了轨压传感器相关故障的检测方案,包括轨压传感器开路故障、对电源短路故障以及漂移故障。设计了相应的诊断软件,并给出了保护策略,在柴油机上完成了各种轨压传感器故障诊断试验。试验结果表明,该诊断方法能有效地识别轨压传感器的各种相关故障,相应保护策略也能及时地起作用,达到了OBD系统应用要求。     

A Method for Freight Flow Allocation in Stochastic-flow Logistics Network Based on Variable Weights

据现实物流网络中物流节点和运输线路的容量会受节点设施设备以及线路运载工具状况的影响而随机变化的特点,研究了具有物流网络容量约束且运输线路容量随机,以成本最小、网络可靠性最大和最长单程运送时间最短为优化目标的物流网络货流分配问题.针对传统加权求和方法权重固定不变而使得该方法缺乏科学性和灵活性的不足,提出了基于变权的物流网络货流分配的多目标优化方法,首先构建了物流网络变权模型,该模型考虑了决策的实际需要与因素的状态值对权重的综合作用;然后在此基础上采用网络分解和动态规划方法对问题进行求解.通过算例对问题模型和求解方法进行了验证,结果表明通过调整变权系数便可得到符合需要的最优决策方案,所提出的方法科学、灵活,并且计算量小.     

三峡库区高陡边坡崩塌机理分析与治理研究

边坡崩塌是边坡病害的一种重要形式,易造成掩埋道路、车辆、行人等事故,带来巨大人员伤亡和经济损失。与滑坡在机理上有较大的区别,边坡崩塌多发生于陡峭坡段,具有典型性、突发性以及较大的破坏性。在大量调查基础上,研究了长江三峡库岸城区高陡边坡岩土体崩塌形成机理,分析了崩塌破坏的一般形式、破坏机理及处治方案。并结合云阳县清凉场高边坡治理工程实例,给出此类高陡边坡治理措施及建议。     

超长隧洞TBM施工关键技术研究

"引黄入晋"隧洞工程作为大规模集中采用TBM施工的大型引水工程,创造了TBM累计掘进124 km的新纪录,开创了TBM施工技术在我国广泛应用的先河.文章以此工程为范例,介绍了TBM用于超长深埋岩石隧洞施工的若干关键技术,并就TBM适用条件、隧洞衬砌理论、掘进参数确定等进行了分析和研究,可为其它类似工程提供借鉴与参考.     

Predicting arterial breakdown probability: A data mining approach

Predicting the probability of traffic breakdown can be used as an important input for creating advanced traffic management strategies that are specifically implemented to reduce this probability. However, most, if not all, past research on the probability of breakdown has focused on freeways. This study focuses on the prediction of arterial breakdown probability based on archived traffic data for use in real-time transportation system operations. The breakdown of an arterial segment is defined in this study as a segment's operating condition under the level of service F according to the highway capacity manual threshold, although any other level of service could be used. Data from point detection and automatic vehicle identification matching technologies are aggregated in space and time to allow their use as inputs to the prediction model. A decision tree approach, combined with binary logistic regression, is used in this study to predict the breakdown probability based on these inputs. The model is validated using data not used in the development of the model. The research shows that the root mean square error and the mean absolute error of the prediction was 13.6 and 11%, respectively. The analysis also shows that the best set of parameters used in the prediction can be different for different links, due to the various causes of breakdown and characteristics of different links. Predicting the probability of breakdown in ahead of time will allow the agencies to change the signal-timing plan that can delay or eliminate the breakdown.