排序方式： 共有39条查询结果，搜索用时 15 毫秒
11.
12.
试掘进施工是泥水盾构施工的一项关键技术,该文以南京长江隧道Φ14.93 m 泥水盾构施工为背景,对试掘进的工作内容和主要目的进行介绍,并结合距离始发井 75 m 的一处池塘的原位试验,对盾构施工引起的地表沉降变化规律和泥水压力的取值进行了研究。 相似文献
13.
铁路运输设备是铁路运输生产的基础,管理单元是铁路运输设备进行设备监控、维修、管理及分析决策的基础对象,是运输设备专业管理与综合应用的基本分析单位.为满足运输设备管理的业务需求,本文在分析铁路运输设备构成的基础上,总结提出铁路运输设备单元划分原则,基于K-means聚类算法开展铁路运输设备单元划分方法研究,并利用该方法对电务通信设备进行单元划分,实践结果证明,该方法比传统的设备类别分类方式更适合设备技术状态管理与分析评价,方法合理可行,具有很好的实用价值 相似文献
14.
王华伟 《现代城市轨道交通》2006,(1):41-43
针对北京地铁黄庄换乘站及周边环境的特点,分析对比了地铁施工的常用施工方法及适用条件,最终选用“暗挖逆作法”作为黄庄换乘站施工方法。 相似文献
15.
16.
17.
18.
19.
针对航空发动机性能退化失效的变点和多状态参数的时间序列预测, 构建了基于多尺度排列熵算法和长短时记忆神经网络的剩余寿命预测模型; 使用多尺度排列熵算法对时间序列进行变点分析, 求解出性能退化过程中的突变点, 得到了有故障征兆的性能退化起始点; 构建了包含多变量的长短时记忆神经网络模型, 将多个状态参数代入到模型中得到对应的剩余寿命; 将变点后的航空发动机多状态参数和剩余寿命作为样本, 代入到长短时记忆神经网络模型中进行多步和多变量的时间序列预测; 通过综合航空发动机状态参数变点分析方法和时间序列预测模型, 得到最终的剩余寿命预测结果。研究结果表明: 多尺度排列熵算法能够及时监控各个状态参数的变化, 当发现状态参数异常时, 排列熵的值会发生跳变, 从而有助于及时发现故障征兆; 长短时记忆神经网络模型通过门控单元对长时间序列数据进行信息筛选, 充分保留了有效信息用于时间序列预测; 多变量长短时记忆神经网络能够对多状态参数进行同步分析, 并且将状态参数直接与剩余寿命相对应, 提高了模型效率; 通过多尺度排列熵算法和长短时记忆神经网络模型的结合, 能够考虑到航空发动机的多退化模式, 得到更符合实际退化过程的剩余寿命预测结果; 经过算例分析, 提出方法的剩余寿命预测的均方根误差为5.3, 与长短时记忆神经网络、反向传播神经网络和支持向量机相比, 误差分别降低了63%、72%和78%。 相似文献
20.