铁路自动售票系统用户特征分析

按照自动售取票旅客特征分别提供服务是提高铁路自动售取票工作效率的有效手段。为此，车站需要在不同的区域安装不同类型的自动售取票终端，并配置不同的操作界面。本文在借鉴互联网用户行为分析技术的基础上，提出了一种适应于铁路自动售取票旅客特征分析技术，包括KMeans聚类分析和TopN分析。应用这些分析技术能够为车站提供自动售取票旅客的聚类特征和最常用的售取票方式，从而可以指导车站进行自动售票终端的布局和终端软件界面配置。     

帕尔玛筑路新材料在县乡道路上的应用

根据帕尔玛土壤固化酶的室内试验及试验路施工情况，可以看出：帕尔玛稳定山在层比二灰碎石、水泥稳定山砂基层造价低，强度高于石灰土，使用寿命长，承载力和抗变形能力强，抗渗性好，适用于乡村公路建设 。     

深水钻井隔水管静态性能参数敏感性分析

采用ABAQUS软件，建立深水钻井隔水管的有限元模型，对隔水管的力学性能进行了研究。在此基础上，对隔水管参数敏感性进行了分析，研究深水钻井隔水管力学性能在不同工况下的变化规律，得到一些有用的结论可供工程应用参考。     

追寻流沙的脚步——宁夏沙坡头自驾游记

古老的黄河野马般地奔腾着穿山越谷，经黑山峡一个急转弯流入宁夏的中卫境内。这一个急转弯，使黄河一改往日的汹涌成为文静秀美的少女，平静缓流。滋润两岸沃土；这一个急转弯，造就了一个神奇的自然景观——沙坡头。[编者按]     

预应力混凝土矮塔斜拉桥线形敏感参数研究

以某预应力混凝土矮塔斜拉桥为工程背景,借助有限元程序系统研究了主梁重度与刚度、斜拉索初张力与刚度、温差荷载和预应力效应对成桥状态下主梁线形的影响程度。并将各参数划分为3个敏感等级,将对主梁竖向变形改变量超过10mm的影响参数:正温度梯度、均匀升温、主梁容重和均匀降温列为敏感性I级,这些参数对矮塔斜拉桥成桥线形影响程度最大,并对该类桥梁在施工中关键参数的控制提出合理化建议。     

为北美市场开发的OUTLANDER车特超低排放系统

三菱公司外销北美的OUTLANDER车已符合世界最严格排放法规之一的加州低排放车第二阶段特超低排放车（LEV Ⅱ SULEV）的限值。先前的排放对策是以排量相对较小的车型满足SULEV法规，而今是针对V63．0 L的运动型多功能车（SUV），设法开发出能符合SULEV法规的新型排放系统。具体做法主要是降低冷起动后排出的HC和发动机在高温燃烧条件下生成的NOx。由于其他公司普遍采用的二次空气系统会增加车重，并使系统复杂化，故而OUTLANDER车改为采用HC捕集催化器，并引进了各种发动机控制技术，率先在世界上将V63．0 L发动机配装在SUV上满足了SULEV法规。     

基于多尺度排列熵和长短时记忆神经网络的航空发动机剩余寿命预测

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%。      

KF—60型自翻车增容改造及应用

介绍了KF—60型自翻车在既有车型的基础上增容改造的研制过程、主要改造结构、方案论证、改造技术参数及改造车辆运用试验等。     

耐久性混凝土收缩因素研究

正1概述武广高速铁路建设中大量采用耐久性混凝土技术,其中混凝土结构物种类、数量大部分都是大体积结构。在施工中防止混凝土发生收缩,避免形成裂缝,导致混凝土开裂从而严重影响混凝土结构物耐久性尤为重要。武广高速铁路使用的混凝土配合比设计具有以下特