车钩两种无损检测方法的对比分析

简要介绍了超声波检测和射线检测的工作原理,对两者用于检测车钩内部缺陷时的显示方式、检测效果以及适用场合等进行了比较。     

优品评介

Honor荣耀V9荣耀201 7年开年旗舰荣耀V9,是荣耀史上品质和性能突破的极速之作,拥有麒麟960＋6GB内存、5.7英寸2K高清护眼屏、第三代双摄技术、4000mAh大电池容量等顶级配置,及基于人工智能算法的EMUI 5.1。荣耀V9采用突破性的大技术,系统解决手机卡顿问题,不仅解决瞬时卡顿问题,实现秒杀、秒抢、秒拍,还保证持久流畅,实现500天不卡顿。ECOVACS科沃斯扫地机器人DN78这款进驻亚马逊美国站不足一年的科沃斯机器人凭借傲人的销售业绩打了一场精彩的品牌战役。与中国家庭“先扫后拖”的清洁习惯不同,美国市场用户在打扫时的痛点是以宠物毛发处理以及地毯清洁居多,科沃斯明确将无缠绕扫地机器人“DEEBOT N78”作为美国市场的主打产品,产品一经上市便在“黑五”活动中一炮而红,在世界的舞台上大放异彩。     

年度最佳轮胎技术

饩车的识别系统已经从识别固定信息发展到了实时交通信息的识别,可以更出色地辅助驾驶员获得更轻松的安全驾驶体验从部分自动到高度自动,再到完全自动,汽车终将驶向自动驾驶的时代当年,宝马工程师们选择了更富有创新意义的红外技术（FIR）,也就是热感相机实现了夜视辅助系统,成功利用了在热感成像相机上的成像来提高黑夜中的驾驶安全。     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

项目管理国际化推进中的案例分析

结合乌干达MK项目的实际情况,介绍了项目在实施过程中合作模式的创新,积极与当地文化的融合以及调整人员结构,加强属地化建设,推行施工工艺标准化所做的努力和探索,为大力推进项目管理国际化而摸索出的一些实践经验。     

浅谈智能交通体系中电子警察系统功能与设计

随着城市的快速发展,城市空间的不断扩大,交通管理工作日渐繁忙,因此大量城市使用电子警察监管的方式维护道路交通环境。首先,研究了电子警察发展历程,分析传统电子警察存在的问题;其次,结合近几年的设计成果,介绍电子警察系统的组成、工作原理、功能模块、总体功能与特点;最后,阐述了电子警察设计流程,并从电子警察点位设计、电子警察抓拍一体机设计、电子警察杆和基础设计、电子警察管线及手孔井设计等方面详细介绍电子警察的具体设计要点。     

基于检测的软土道路沉降段处治方案研究

近年来,软土地区道路工程施工面临的周边条件趋于复杂,不可避免地遇到了地质条件复杂、周边环境较差等问题。依托软土地区某一级公路兼城市主干路项目,研究了多种不利条件耦合下的道路出现严重病害,如何针对性地进行检测分析后查明原因,并为补救处治方案提供依据。实践表明基于检测结果的补救处治方案较好地解决了系列问题,为类似工程的设计施工提供了借鉴。     

预应力混凝土简支转连续T梁结构核算

预应力混凝土简支转连续T梁桥因其结合了简支梁与连续梁的优点,是目前普遍应用的结构形式。随着运营时间的增长和交通流量的增大,越来越多的在役桥梁的承载力逐渐下降,使得桥梁的正常运营存在安全隐患。依托某预应力混凝土简支转连续T梁桥的现场检测和荷载试验,并采用Midas/Civil 2012有限元软件建立成桥状态的有限元模型,对桥梁的实际技术状况和承载力进行评定,对加强桥梁质量控制具有重要意义。     

基于Kinect深度虚拟线圈的夜间车流量检测

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法.首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM).然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别.实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7 ms.