小桥涵自由出流出口挑坎冲刷试验研究

八字小桥涵出口设置挑坎较不设置挑坎其垂裙处冲刷深度有所减小;端墙小桥涵出口设置挑坎与不设置挑坎相比较,前者使两侧岸局部易产生较深冲坑,垂裙处冲刷深度剧增;小桥涵自由出流出口在铺砌顶面设置挑坎有增阻减速作用,但减小冲坑最大冲深效果较差.试验分析后提出了改进设计的建议.     

野战“集中营”《赛车帝国》第1期——巴黎·达喀尔拉力赛深度分析

巴达拉力赛囊括地球上大部分路况,从欧洲至非洲分别有积雪、浮土、烂泥、碎石、沙漠、柏油、溪流、海滩等几十种路面,摩擦系数千差万别,沙丘、戈壁、丛林、村庄进一步增加了驾驶难度。本期,我们对巴达拉力赛进行分析,帮助广大车迷朋友了解这项马拉松拉力赛。     

新型沥青路面养护剂在重庆渝合路的应用

研究了新型沥青路面养护剂对老化沥青的还原再生能力,通过渝合路试验路段实体工程的施工,比较施工前后的路面性能。试验表明:在老化的沥青中加入一定的沥青路面养护剂后,有效地提高了老化沥青的针入度及延度指标,降低了老化沥青的软化点;当养护剂渗透深度达到6 mm左右,其对原路面的构造深度、摩擦系数抗滑摆值有所改善,降低了路面的渗水系数,同时改善了路面外观。     

基于深度神经网络的船舶图像识别检索研究

对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。     

城市分汊型河道环保疏浚深度设计关键要素

城市分汊型河道进行环保疏浚的边界条件较复杂,具有水质较差、流态复杂、淤积严重、过河建筑物较多的特点。提出环保疏浚深度应从污染层深度、河床演变、构筑物的安全等多角度考虑的设计理念：1)在单一河段复式断面以平滩高程控制疏浚深度。2)为了稳定河床,疏浚深度应控制过水面积的比例,并保持主河道与自然坡度一致。3)在堤防及构筑物处,疏浚深度应考虑与其安全距离及疏浚后冲刷深度的影响,从而在河床稳定和构筑物安全的前提下,最大限度挖除污染底泥。此理念已成功应用于某河段环保疏浚工程。     

改进承插式连接桥墩与承台的承插深度分析

传统装配式承插桥墩因为要求承插深度较深,导致工程应用有限。该文提出改进承插式的拼装构造,包括侧面剪力键、墩底U形抗冲切钢筋、高强无收缩灌浆料、大直径金属波纹管约束等措施。列举了当前的承插式深度计算公式,并在此基础上提出改进承插式桥墩承插深度计算公式。讨论了轴压比、混凝土强度等因素对承插深度的影响。分析表明：改进承插式连接使承插深度减小,降低了承台厚度,拓宽了工程应用范围;在荷载等级不高的非抗震区,承插深度可达到0.7倍墩柱直径;剪力键构造对承插式抗弯贡献了20%。轴力偏心距小于0.5倍墩柱直径时,轴力对承插式构造抗弯是有利的;当偏心距大于0.5倍墩柱直径时,需要适当增加埋置深度。增大混凝土强度,可降低承插深度要求。     

新型海上风电基础地基冲刷深度试验研究及床面剪切力分析

海洋环境作用下海上风电基础周围海床会产生显著冲刷,冲刷深度过大会严重影响风电结构体系的安全。复合筒型基础是一种新型的浅基础,其对冲刷的敏感性更大。以新型的海上风电复合筒型基础为研究对象,开展了波流作用下基础周围地基冲刷特征的物理模型试验,探究了基础周围海床的冲刷变化规律及最大冲刷深度,基于波流-复合筒型基础-地基相互作用的数值模型分析了海床表面剪切力的分布特征,考察了最大冲刷深度与最大床面剪切力的关联性。研究结果表明：波流作用下复合筒型基础最大冲刷位置位于基础后方、毗邻基础的位置,最大冲刷深度随波高、周期、流速的减小而减小,基础周围海床最大冲刷深度与其最大床面剪切应力的分布有一定的相关关系。     

基于改进深度学习算法的船舶柴油机故障诊断技术

随着数据挖掘技术的发展,深度置信网络(DBN)这类深度学习算法被越来越多运用到工程领域。在故障诊断领域,结合DBN强大的自适应特征提取和非线性映射能力,可以摆脱以往对专家经验的依赖。基于此,本文为有效地监测柴油机气缸运行状态,提出一种基于改进深度学习算法的船舶柴油机故障诊断技术。先将原始信号的频域形式输入DBN当中,采用蚱蜢优化算法(GOA)搜索DBN的最优参数组合,并建立起最佳的柴油机气缸故障诊断模型。经测试验证,本文提出的诊断模型能够准确识别柴油机气缸运行状态并进行故障诊断,诊断率可以达到99.5%以上,具有较好的工程实用价值。     

舰载云图像识别性能研究

深度学习的兴起促进了各个电子科技行业的迅速发展,军事科学的智能应用也得到了极大的推广。舰载云环境基于单只舰船,为舰载智能应用提供算力、网络资源和存储支持。深度学习任务依赖强大的计算资源,相同的智能模型在不同的计算平台中性能可能出现巨大差异。在自主可控的大背景下,本文基于深度学习中的典型图像识别任务,对比使用国产和商用计算平台中舰载云上不同配置的虚拟机的表现性能。一方面,分析不同的虚拟机配置与表现性能的关系;另一方面,对比商用及国产平台的性能差距,为舰载云智能化的大规模应用提供理论支撑。     

大潜深潜艇设计中计算深度的探索与建议

指出随着下潜深度的增加,给现行的潜艇设计计算规则提出了挑战。《舰船通用规范》将腐蚀补贴厚度和超深附加深度与下潜深度线性相关,使深水、大直径潜艇背上补贴厚度过重的包袱和深度达200～300m的超深附加深度。建议把腐蚀补贴厚度不放在安全系数中,而按照不同材料、不同服役年限、不同使用部位外加腐蚀补贴厚度的方法来解决;建议用在不同深度时限制潜艇的使用航速,超过工作深度后,限制潜艇的下潜纵倾角,及确定一个比较合适的挽回时间的思路来确定超深附加深度。