“党建+水上红旅”大学生党史学习教育实践路径浅析

大学生作为年轻有活力一族的代表,是社会进步的主要推动力,而党史教育是大学生增强对党的认同感和归属感、树立正确价值观的主要方式。本文通过调查分析大学生党史学习教育现状,重视实践,突出实践,从全新红旅融合出发,探索符合新时代需求的党史学习教育新模式,焕发高校学生党建新活力。     

基于自动深度学习盾构掘进姿态预测与控制

提出了基于自动深度学习（AutoDL）算法和多目标优化算法的结合可实现数据驱动的姿态偏差控制指导,用于盾构掘进姿态的预测与控制,以解决现有盾构掘进姿态预测中所面临的执行难度高、成本高、效率低等问题,可用于自动精准地预测盾构掘进姿态随着工程进展的动态变化趋势,并针对盾构机施工状态执行多目标优化算法,快速自动搜寻最优策略,实时调整合适的盾构操作参数,减少对于现场操作人员经验和主观判断的依赖。以上海市天然气主干管网崇明岛-长兴岛-浦东新区五号沟LNG站管道工程隧道A线工程为例,展示该算法框架的优越性。研究结果有助于降低深度学习进入盾构智能控制领域的门槛,推动智能盾构发展。     

哲思高邃慧臻大成--序《智慧的钥匙--钱学森系统科学文选》

钱学森院士的原著《智慧的钥匙——钱学森系统科学文选》由上海交通大学出版社编辑出版,这是全国人民在以胡锦涛为总书记的党中央领导下,落实十六大精神,按照科学的发展观,全面建设小康社会的一本重要的学习材料。对于广大公务员和大学师生来说,更是学习科学的工作方法和用马克思主义哲学研究自然科学、社会现象的一本重要指南。     

粉煤灰在船坞升浆混凝土中的应用

船坞工程在预填骨料灌浆混凝土中,以往的施工经验是采用水泥砂浆作为灌浆材料,以水泥为胶凝材料,掺入细骨料、外加剂和水.阐述通过试验在水泥砂浆中掺入20%或30%的粉煤灰等量取代水泥,并应用到两个船坞工程.船坞一次性抽水无渗漏,表明粉煤灰作为胶凝材料的一部分替代水泥是可行的,并可降低工程成本.     

检修无级变速器特殊故障的教训

如今中国汽车科技飞速发展,各式各样的新技术应用于汽车上,无级变速器的应用就是一个例子,这就迫使我们要不断学习,以适应时代潮流。最近笔者遇到这样一个故障:　一辆南京菲亚特派力奥轿车因一次事故对变速器修理后,换挡杆从P 挡到R挡,或从N 挡到D挡时,变速器冲击严重,正常行驶     

基于一维ConvNeXt网络的齿轮箱故障诊断

针对齿轮箱发生故障时内部齿轮与滚动轴承受损情况复杂且难以识别的问题,提出一种基于ConvNeXt网络的齿轮箱故障诊断方法。该网络模型以深度可分离卷积为基础框架,构建适用于一维数据的残差块。为了提升网络模型的拟合能力,引入GELU(Gaussian Error Linear Units)激活函数对数据进行非线性变换。使用层标准化对数据进行归一化处理,抑制了中间协变量偏移现象并提升了网络的收敛速度和稳定性。使用DDS(Drivetrain Dynamics Simulator)齿轮箱故障数据集进行实验,结果表明此网络模型大幅降低了网络模型参数量,对齿轮箱各类故障均有较高的识别精度并具有良好的抗噪性。     

基于双路神经网络融合模型的高速公路雾天检测

高速公路天气状况实时监察对于高速行车安全具备重要意义,然而气象检测只能对大范围区域的气象情况进行预报,不能满足高速行车各个路段气象情况实时检测的需求. 为此,提出一种基于双路神经网络融合模型的高速公路雾天检测算法. 该算法基于双路深度神经网络融合模型,提取雾天图像的可视深度图以及暗通道图像两种视觉特征,并利用深度神经网络进行建模,获得初步分类结果;然后,再利用均值融合层进行分数融合. 为了全面评测该算法的性能,构建了一个覆盖多个省份高速公路的视频监控雾天数据集（express way fog detection dataset,EWFD）,该数据集能够全面涵盖国内高速公路的天气情况,并在该数据集上做了全面的分析对比实验. 实验结果显示,本文所提出的双路神经网络融合模型的雾天监测算法取得了93.7%的准确率,与国际前沿的检测分类算法101层残差网络（ResNet-101）相比,本文提出的算法准确率提高了10%以上.      

基于DBNs的车辆悬架减振器异响鉴别方法

针对人工经验提取特征进行减振器异响鉴别的复杂性与不可扩展性的问题,分析了深度信念网络(deep belief networks,DBNs)在减振器异响鉴别中的应用,并结合减振器整车与台架试验提出了完整的减振器异响鉴别流程.该方法只需将收集到的减振器活塞杆顶端振动加速度信号作为输入,经过DBNs模型逐层特征学习便可进行减振器异响鉴别.同时将鉴别结果与经典的BP神经网络、支持向量机以及传统的3种人工特征提取方法进行对比分析.结果表明:在输入仅为原始信号的条件下,深度信念网络模型对减振器异响鉴别的准确率为96.7%,表明了深度信念网络在减振器异响甄别中的优越性,具有广泛的工程应用前景.      

一种基于支持向量机的增量学习算法

具有增量学习功能的数据分类技术与普通的数据处理技术相比较,增量学习分类技术具有明显的优越性?在新的训练过程中充分利用了历史的训练结果,从而显著减少了后继训练的时间。介绍了支持向量机的基本理论和一般的支持向量机增量学习算法,针对有些渐变问题(如机械设备的早期故障期和损耗期),新样本所提供的信息量与历史样本所提供的信息量是不同的,给出一种新息加权的支持向量机的增量学习算法,通过循环来获得最优分类面仿真实验表明,采用加权的增量算法更能反映新样本点的特征?     

体外预应力加固在役简支梁桥变形分析

根据体外预应力加固在役梁桥实例,分析了在预加力和活载作用下单片梁的结构变形,给出了相应的变形计算公式,探讨了体外预应力加固桥梁的挠度横向分布规律及变形计算方法,试验结果表明,理论计算变形值与试验测试结果相吻合。