检查井及井周路面影响下的车辆荷载动态特性

为分析车辆经过检查井及井周路面时的车辆荷载动态特性,采用井周路面病害调查的方法确定了井周路面病害类型及范围;考虑井盖的变形和振动,建立了车-井盖耦合多自由度振动模型;分析了车辆荷载冲击系数随时间变化的规律及影响因素。研究结果表明：在检查井及井周路面平整度激励作用下,车辆由井周路面驶入正常路面时车辆荷载冲击系数达到最大值,此时车辆荷载为静载的1.35倍;各因素对车辆荷载动态特性影响程度从大到小排序为：井周路面病害导致的高差>检查井沉陷量>坡度变化率>行车速度>井盖刚度系数。由此可见,车辆经过检查井及井周路面时路面的平整度大小是(井周路面病害导致的高差、检查井沉陷量和坡度变化率)导致车辆荷载冲击效应是否显著的原因,也是井周路面频频破坏的主要因素之一。     

智能船舶航行功能测试验证的方法体系

智能船舶航行技术发展的核心在于构建从辅助决策到自主驾控的完整软硬件系统,实现人工驾驶到智能驾驶的演化,而核心技术的突破与软硬件系统的研发离不开完善的测试验证体系和健全的规范标准.对目前国内外智能船舶测试场现状进行综述,对以性能、能效、信息、智能为对象的智能船舶航行功能测试构想进行解析,最终提出以虚拟仿真为初试、模型测试...     

高速公路联网收费资金拆分模型的建立及应用

为了解决高速公路联网收费后所产生的资金拆分问题,并提高通行费征收管理水平,通过对高速公路的OD交通量调查以及对各个路段的交通量、出入口交通量、通行费收入的调查研究,确立了高速公路通行费资金拆分的OD交通量法计算模型和步骤,此方法大大提高了工作效率,并在单路径多段拆分行为中有较强的通用性。     

基于频响函数的结构损伤识别

该文研究了一种由试验测得的频响函数数据进行结构损伤定位和损伤程度评估的方法。由于很难测得实际结构的所有频响函数数据,而且求频响矩阵的逆阵可能产生病态问题,因此文中借助有限元模型,仅用少数几个频响函数便可进行损伤识别,通过数值模拟结果表明,该方法能够达到满意的精度。     

预制拼装桥墩抗震性能数值分析

为进一步掌握预制拼装桥墩的抗震性能是否可以达到抗震要求以及剪跨比等参数对其抗震性能的影响,对既有试验进行数值分析。首先给出桥墩的设计背景及方案,然后通过ABAQUS有限元软件建立数值分析模型,对预制桥墩与整体浇筑桥墩的抗震性能进行对比,分析预制拼装桥墩的合理性,对预制桥墩进行轴压比及剪跨比参数分析,评价各参数对抗震性能的影响程度大小。     

热压自然通风室内污染物浓度演变特性

为探究热压自然通风向稳态发展过程室内气态污染物的迁移规律,对不同高度处污染物浓度演化进行了分析.首先结合预测热分层瞬时变化的非均匀三层模型,针对室内不同的下层污染物混合特性,建立了均匀混合和纯置换两种热压自然通风室内污染物输送模型;其次,采用4阶龙格-库塔(Runge-Kutta)方法迭代求解,得到了通风过程室内污染物...     

基于ARIMA模型的极端事件下铁路货运量预测研究

合理预测货运量是铁路部门制定列车开行方案及组织管理的基础,在类似突发疫情这种极端事件时,准确预测铁路货运量的数据与变化趋势对铁路工作的开展有重要的参考意义.建立ARIMA模型,利用2010年1月—2020年1月的铁路货运量正常数据与疫情突发后2020年2月的异常数据,对2020年3—10月的铁路货运量进行预测.结果表明...     

数字化教育人文精神缺失的反思与构建

对数字化教育人文意蕴的缺失进行了阐释,对数字化教育人文意蕴缺失的归因进行了详尽的分析,提出了一些在数字化教育构建中人文精神应注重和遵循的原则。     

研究生创新能力的现状与培养

分析了当前中国研究生创新能力的现状,提出了培养研究生创新能力应突破传统模式,启发学生创新灵感;结合实际课题加强学生动手能力;严把论文质量关,并营造良好的校园文化。     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络（long short-term memory,LSTM）跟驰模型的基础上,采用迁移学习（transfer learning,TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution,LCSS）的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型...