浅谈桥梁工程施工质量控制

随着国家对交通基础设施加大投入,我国桥梁工程建设迅猛发展,但在桥梁施工质量控制方面存在较多问题.目前桥梁结构变得越来越复杂,施工难度加大,为了确保桥梁竣工后在满足性能要求的前提下不存在安全隐患等危害,有必要对桥梁施工中的质量控制进行分析,有关经验可为具体施工提供参考.     

汽车热式空气流量计测量电路分析与实车检测

为详细说明热式空气流量计的具体工作原理,重点分析了热式空气流量计的实际测量电路,并对温度补偿进行了适当说明,介绍了CORALLA轿车的空气流量计,利用BOSCH—FSA740发动机性能分析仪对其进行检测,得出了不同转速下的信号电压。     

地铁杂散电流监测系统

杂散电流对供电系统周边的环境和基础设施的危害很大，所以在地铁正常运行时加强监测和有效判断杂散电流的腐蚀状况是非常必要的．     

基于效益费用比法的道岔预防性养护维修时机研究

道岔预防性养护维修的时机研究是道岔预防性养护维修技术研究内容的重要组成部分。通过对道岔性能指标和道岔状态的评定分析，确定可接受的最低道岔性能指标值；根据道岔的管理数据，建立道岔性能指标与养护维修时间的回归衰变方程，由此计算不同预防性养护维修时间的效益面积与费用比值，其中最大比值所对应的预防性养护维修时间即为最佳养护维修时机。该方法称为“效益费用比法”。按照该方法推算道岔的养护维修时间，可提高道岔养护维修效率，延长道岔的寿命，降低道岔养护维修费用，节约铁路运输成本，保障铁路运输安全。     

实车数据驱动的锂电池剩余使用寿命预测方法研究

锂离子动力电池剩余使用寿命（RUL）预测对于认识全生命周期电动汽车的安全和可靠性、改善电池管理系统的设计具有重要意义。通常基于深度学习的时序预测方法，本质上是一个递推的过程，每一次预测的误差会随预测次数增加而累积，难以保证预测精度和预测效率。基于深度学习序列预测和误差分析理论，建立一种ARIMA-EDLSTM融合模型的锂电池RUL预测方法，使用编码器-解码器（ED）框架改进长短时记忆神经网络模型（LSTM）构建从序列到序列预测的EDLSTM模型，并融合ARIMA模型预测误差趋势，进而修正最终预测结果。理论分析和实车采集数据验证表明，该方法在预测比例超过历史数据总量35%的情况下，仍然能较好地拟合实车SOH衰退曲线，有效提高锂电池剩余使用寿命的预测精度。     

基于非线性降维IC特征的实车电池SOH估计EI北大核心CSCD

基于实车电池复杂的运行数据,本文使用增量容量分析方法提取IC峰特征作为电池充电片段的有效特征,使用t-SNE非线性降维方法处理IC峰特征,消除多维特征冗余性,以解决实车数据难以提取可靠特征的问题。另外构建支持向量回归模型,实现对电池健康状态的估计。结果表明,本文使用的增量容量曲线峰特征能有效表征电池健康状态衰退变化;对实车数据的平滑、降噪方法可以较好地提升训练数据质量;基于t-SNE降维特征的SVR模型提升了对电池健康状态的估计精度,保证了有限样本数据集上实现准确估计。