高职院校与小微型企业的产学研合作分析

在阅读大量文献与相关人员访谈的基础上,总结对比了国内外高职院校与企业产学研合作现状,指出加强与小微型企业的合作是我国高职当前校企合作的一个新方向。从小微型企业与高职院校两方面,分析了互相合作的意愿与合作能力,最后指出合作的突破口与研究方法。     

典型舱室火灾智能识别的贝叶斯网络模型

基于先进传感器, 建立了火灾大小和类型智能识别的贝叶斯网络模型, 上层温度、下层温度、CO浓度、CO₂浓度、O₂浓度和遮光度等6个火灾特征参数为识别模型的输入变量, 火灾大小和类型为输出变量, 并推导了输入变量与输出变量之间的关系。分别在住舱、指挥室、机舱和机库等4种典型舱室模拟了床垫火、电缆火、油池火和喷射火等4种火源, 利用CFAST软件得到了2 880组模拟样本数据, 对模型参数进行了训练, 并根据全尺度火灾试验数据对训练后的识别模型进行了验证。验证结果表明: 在火灾传感器数据完整时, 对小火、中火和大火状态的平均识别正确率分别为88.0%、95.0%、85.7%, 对固体火和油料火的平均识别正确率分别为90.2%、81.5%;在火灾损害严重或武器打击致使单个传感器失效的情况下, 对火灾大小和类型的平均识别正确率分别为82.4%、82.7%, 比火灾传感器数据完整时分别降低8.1%、2.8%。可见, 识别模型具有良好的识别能力和鲁棒性, 可应用于舰船损管监控系统, 为指挥员选择最有效的灭火方法和战术提供实时的决策支持。     

考虑驾驶风格的电动公交车能耗灰色关联投影-随机森林预测模型

为探索驾驶员驾驶行为与电动公交车能耗之间的关系,采用随机森林算法建立电动公交车能耗预测模型。为克服驾驶行为特征参数和样本数据的随机性对电动公交车能耗预测模型的负面影响,运用灰色关联投影法计算各驾驶行为特征参数的灰色关联度以及各样本数据的投影值,筛选出与能耗具有高关联性的驾驶行为特征参数作为模型的输入变量,以及相似度较高的样本数据作为训练集和测试集。同时,引入了与能耗具有显著相关性的驾驶风格变量以进一步提升模型的预测能力,运用K-means聚类方法将驾驶风格分类并得到驾驶风格标签。将驾驶风格标签和筛选后驾驶行为特征参数作为输入变量,单位里程能耗作为输出变量,基于筛选后的数据集建立了考虑驾驶风格的电动公交车能耗灰色关联投影-随机森林（GRP-RF）预测模型。基于广州市某线路电动公交车运营数据对模型进行检验,并运用该模型分析加速、制动和运行3种典型场景下相应驾驶行为特征参数对电动公交车能耗的影响。结果表明：该模型预测能耗的均方根误差（RMSE）和平均绝对百分比误差（MAPE）分别为0.001 8 kW·h/km和3.42%。相比于不考虑驾驶风格的GRP-RF模型和随机森林模型,该模型的RMSE分别降低了35.71%和48.57%,MAPE分别降低了38.82%和46.81%。研究结果表明：加速、制动和运行阶段的平均能耗分别为1.066,0.903 7,0.955 2 kW·h/km;为使各阶段能耗在相应均值以下,加速阶段应控制加速踏板开度在55%以内;制动阶段应控制制动踏板开度在25%以内;运行阶段应控制车速在40 km/h以内。     

LNG船对船过驳作业配置模型与安全稳定性分析

针对LNG船对船过驳作业中设备选型与配置问题, 利用多层次模糊综合评判分析并系统性地构建了LNG船对船过驳作业配置模型, 提出了LNG船对船过驳设备配置稳定性的定量分析方法和计算流程, 以145 000 m3和60 000 m3的LNG船舶为试验对象, 利用计算流体动力学(CFD)技术对2船组合体配置系统开展仿真试验分析, 并基于仿真试验结果开展了该模拟工况条件下LNG船对船过驳选型适配度的计算。结果表明: 在模拟工况下LNG船对船过驳选型与配置适配度为0.85, 与最优值1.00的误差为15%, 在20%的误差允许范围内, 验证了所提出的LNG船对船过驳作业选型与配置模型的有效性; 同时, 明确了LNG船对船过驳作业的环境限制条件应为能见度大于1 000 m, 风力小于6级, 流速小于2.5 n mile/h, 过驳作业安全区半径范围为1 210 m。采用所构建的过驳作业选型与配置模型能够实现LNG船对船过驳作业设备选型与配置安全稳定性的量化分析和确定具有普适性的LNG船对船过驳作业限制条件, 对于保障LNG船对船过驳作业关键配置选型的安全性具有重要意义。     

道路交通安全风险辨识与分析方法综述

道路交通安全风险辨识及分析的准确性、全面性, 是实现风险主动防控的基础和关键环节, 直接影响道路交通安全管理的精细化水平。从影响因素和分析方法2个方面对道路交通安全风险相关研究进行综述和评论。针对人的不安全行为、车辆的不安全状态、道路的不安全条件、外界环境刺激等单因素风险, 以及多因素间的关联耦合风险辨识, 梳理了安全风险理论分析法、系统安全分析法、大数据与人工智能分析方法等道路交通安全风险分析方法。研究表明: 安全风险理论分析法、系统安全分析法等以定性分析为主的方法侧重于对道路交通安全风险要素的全面、系统梳理, 具有简单、直观、易操作等优势, 但在多因素交织影响下的道路交通事故定量化剖析和事故成因深度挖掘方面存在较多局限性; 基于多源数据挖掘技术的大数据与人工智能分析方法在海量信息感知、高效计算处理等方面优势明显, 可基于多元数据对交通安全风险进行综合分析、精准挖掘, 刻画多因素耦合下的事故风险特征、探究事故发生规律, 是当前较为主流的研究方向。并提出道路交通安全风险研究领域存在的不足之处及未来研究发展方向, 主要包括多源异构数据的动态采集与融合、智能网联环境下的道路交通安全风险辨识、考虑时空异质性的可移植的道路交通安全风险识别模型研究等。     

极地船舶核心关键基础技术现状及我国发展对策

极地具有气候环境极端恶劣、海气交换强烈、湿度很大等特点,在此航行（或冰区航行）的船舶和海洋平台结构表面极易形成覆冰,它不仅影响设备操作,更直接威胁到船舶和海洋平台的安全。对国内外极地航行船舶及海洋平台防冰和除冰技术的现状进行综述。首先,介绍覆冰对极地航行船舶及海洋平台不同部位的影响和危害程度。然后,归纳和分析国内外现有防冰和除冰方法与技术,包括电加热、红外线、超声导波等主动除冰方法,以及超疏水涂层、牺牲性涂层、水润滑涂层以及低交联度界面滑移涂层等被动除冰方法。最后,总结现有防冰和除冰技术在极地航行船舶及海洋平台上的适用性及优缺点,为极地航行船舶及海洋平台的防除冰设计提供参考。     

总体者, 集大成也

  目的  船舶概念设计是通过多个学科分析、协调从而得到综合优化概念方案的过程,也是一项技术难度大、涵盖范围广泛的复杂系统设计问题。同时,与船舶单个子学科技术的迅速发展相比,船舶总体设计优化方法发展相对缓慢。  方法  在阐述船舶分解与协调策略的基础上,采用解析目标分流方法（ATC）,以某油船设计为例,建立由浮态与稳性、阻力与推进（快速性）、操纵性、舱容、经济性共5个学科组成的船舶概念设计优化数学模型,探讨船舶概念设计阶段的总体设计优化问题。  结果  数值算例表明,解析目标分流方法可以较好地解决船舶总体设计学科间复杂耦合所带来的计算困难,具有良好的稳定性与收敛性,  结论  可有效支撑船舶的总体设计优化。     

基于改进YOLOv5s模型的地铁屏蔽门与列车门间异物快速检测方法

快速准确地检测地铁屏蔽门与列车门间异物对于保障安全具有重要意义。针对当前地铁屏蔽门与列车门间异物检测方法的低效和不准确,提出了1种基于YOLOv5s模型的快速检测方法。由于原始YOLOv5s模型在检测异物时仅依赖于候选区域内部特征信息而忽略了全局语义信息,因此引入全局语义模块来解决这一局限。该模块集成了非局部模块和压缩-激励模块：非局部模块采用自注意力机制建模像素对关系,捕获长局信息依赖;压缩-激励模块则起到降低模型计算量的作用。全局语义模块使得模型能够捕获全局语义信息并将其与局部信息相结合,以实现更好的异物检测,同时不会显著增加计算复杂度。此外,原始YOLOv5s模型中低效的Focus模块被1个完全由标准卷积单元构成的Stem模块所取代,有助于减少模型计算量和提高检测速度。使用桌面级显卡NVIDIA TITAN Xp,在从真实地铁站中采集构建而成的5 854张地铁异物数据集,对模型进行验证,实验结果表明：①改进后的YOLO模型表现显著优于其它基准模型,检测速度达到385帧/s,相比原始YOLOv5s提升100%,相比最快的YOLOv3-SPP提升466%;②改进后的YOLO模型实现了88.5%的检测平均准确率,相比原始YOLOv5s提升0.5%,相比检测平均准确率最高的YOLOv3-SPP提升0.6%;③此外,改进后的YOLO模型仅占用空间14.4 MB的计算机存储空间,相比原始YOLOv5s减少0.7%,相比所占空间最小的SSD减少85%。     

维修天窗期城市轨道交通整体道床拆换技术

城市轨道交通整体道床服役过程中易出现基底破损开裂、道床翻浆冒泥、基床整体变形、线路几何形位超限、轨道上拱等病害,影响轨道结构稳定性和耐久性。本文针对城市轨道交通整体道床结构形式与特点,系统地阐述轨道结构拆换、临时过渡措施、无缝线路恢复等关键技术及流程,提出了维修天窗期整体道床快速拆换的技术方案,为城市轨道交通整体道床类似病害的整治提供借鉴。     

铁路站台防侵入监控系统的研发

基于激光扫描技术与视频监控技术,开展对铁路站台防侵入监控技术的研究。通过对入侵物体大小、停留时间、运动轨迹等分析判断,可实现对站台安全白线区域、站台端部等多区域的布防,布防区域可参数化设计,适用不同站台、多种工况。建立了一套基于先进监控技术、自动化、模块化的铁路站台防侵入监控系统。