天津港人工沙滩环抱水域泥沙回淤研究

为提高对环抱堤内水域的泥沙回淤状况的认识,以天津港东疆人工沙滩环抱堤内水域为实例,通过综合分析浑水现象调查、悬沙粒径时空分布、含沙量时空分布、余流等方面的资料得出了环抱堤内水域的泥沙来源,然后采用套图法计算了地形冲淤变化并分析了冲淤原因。结果表明,环抱堤内的浑水主要随涨潮水体自口门外流入;淤积区域的年均淤积厚度约为0.2 m,环流集中区所在的重淤积区的淤积厚度约为平均淤积厚度的2~4倍;口门约束形成的大流速和从口门直接入射的波浪,以及NE向小风区波浪的作用,造成口门—宾馆区沙滩水域出现深度约为0.2 m的冲刷带;环抱堤内水域的冲、淤分布与动力条件分布密切相关。     

持久高性能邓禄普SP SPORT MAXX TT

邓禄普SP SPORT MAXX TT的高性能并非昙花一现,出色的耐久性与可靠性,使其在全寿命周期内均保持较好的抓地表现。上期我们说到,邓禄普SPSPORT MAXX TT轮胎拥有出色的抓地表现,四条深深的主沟槽,更是确保了湿地排水能力和侧向抓地力。不过,经过3个月的行驶,在5500km之后,它的磨损情况如何呢?它的高性能能表现多久呢?我们先留个悬念,暂时按下不     

基于DCNN与HMM融合的疲劳驾驶检测方法研究

首先提出一种深度卷积神经网络(DCNN)与隐马尔可夫模型(HMM)融合的疲劳驾驶检测方法,针对眼睛和嘴巴状态单一特征,构建3层DCNN来识别眼睛和嘴巴闭合状态;再针对训练样本人工标记困难的问题,提出结合人工标记、采用Dlib特征点检测和疲劳参数加权获取驾驶员疲劳等级的方法进行标记;最后,针对疲劳驾驶是一个从状态良好到重...     

基于CNN的城市道路交通事件检测算法

交通事件检测是预防和缓解城市路网偶发性交通拥堵的重要手段.基于卷积神经网络(CNN)和浮动车数据(FCD),提出1种改进的城市道路交通事件检测算法,形成城市道路交通流的时空特征与交通事件之间的映射关系.将道路按照交叉口分段设置,重构具有时空特征的多维信息输入张量,通过时空矩阵来描述完整的道路交通流时变信息.在隐藏层和输...     

基于机器学习的RC桥梁病害检测方法

针对现有桥梁检测中人工判别病害工作量大、效率低的问题,以钢筋混凝土(RC)桥梁为对象,阐述了机器学习在RC桥梁病害检测中的应用。从现有桥梁病害检测方法、机器学习方法、机器学习在RC桥梁中的应用进展三个方面进行研究,结果表明,基于深度学习的病害检测方法能够自动从病害图像中提取特征,实现病害的分类和定位,提供了一种病害自动化检测场景,有利于桥梁智能化管养。     

基于注意力机制的CNN-LSTM剩余寿命预测研究

机械设备剩余寿命的准确预测可以降低昂贵的维护费用,提高机械设备的安全性。随着深度学习的发展以及注意力机制被广泛应用于各个领域,基于数据驱动的剩余寿命预测方法为机械设备寿命预测提供了众多的方法。文章提出了一种基于注意力机制的CNN-LSTM剩余寿命预测方法,该方法利用不同的注意力机制包括通道注意力、CBAM机制和自注意力等进行剩余寿命预测试验。注意力机制可以向CNN-LSTM提取的特征信息分配不同的权重,突出关键的特征信息,过滤无用信息,进而更准确地表示设备的退化特征信息,最终得到设备的剩余寿命。文章对NASA发动机数据集进行了剩余寿命预测试验,同时研究了不同注意力机制影响,试验结果表明,基于注意力机制的方法可以有效地进行剩余寿命预测,所提方法具有一定的应用价值。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。      

基于能量法的跟管钻进最大深度计算及应用

为解决潜孔锤跟管钻进最大深度难以确定的问题，基于能量法分析冲击功与应变能的转换情况，提出跟管钻进最大深度的假设条件和理论计算方法，并结合现有相关技术规范，通过类比法对跟管钻进的地层侧阻力取值进行完善和补充，然后应用相关实例分析和验证。通过研究和验证取得成果如下： 1）采用材料力学能量法理论，提出较系统、全面的跟管钻进最大深度计算方法； 2）给出单一地层最大深度的计算公式和多个地层的计算步骤； 3）提出套管与地层间动摩阻的取值依据和方法； 4）提出中和点概念，得出双冲击器作用下套管柱受到的应变能作用原理； 5）增大冲击功和增加套管壁厚均有利于提高跟管的最大深度，但影响幅度较小。