实耐宝携手东方赛车队挺进大越野——深度合作发布会及产品推广会圆满成功

2013年9月11日下午,东方赛车队与实耐宝公司在北京举行深度合作发布会及产品推广会,宣布双方将进行更为深入而广泛的合作。在此前的环塔拉力赛中东方赛车队便与实耐宝进行过合作,本次是双方的第二次合作。实耐宝将为东方赛车队提供维修、改装工具,为车队维修质量保驾护航。实耐宝中国区营销总经理曾献兴、东方赛车队经理徐军代表双方完成了签约,来自全国数十家媒体及近百名观众到场共同见证了这一重要时刻。东方赛车队经理徐军表示:作为一支俱乐部车队,能够超越众多厂商队取得这样的成绩,我们感到非常骄傲。能够与实耐宝公司进行合作我们深表荣幸,双方的合作非常愉快,而且效果明显。在今年的环塔拉力赛中,实耐宝为我们的后勤维修提供了可靠保障,这也坚定了我们取得好成绩的信心。好的维修质量能够保障我们下一阶段的比赛,在此我要再次感谢实耐宝给予我们的支持。一直以来,东方     

强夯在秦皇岛港戊码头堆场工程中的应用

根据不同地质情况，分别采用强夯、强夯置换方法处理秦皇岛戊码头人工吹填堆场地基。     

基于深度强化学习的城市交通信号控制综述

传统模型驱动的自适应交通信号控制系统灵活性较低,难以满足当前复杂多变交通系统的控制要求.近年来,深度强化学习方法在城市交通信号控制研究领域得到快速发展,并且与传统方法相比展现出一定的优势.交通信号控制在城市交通管理中起着至关重要的作用,因此,基于深度强化学习的交通信号控制具有较高的研究价值和意义.本文系统地介绍了深度强...     

沥青路面车辙LSTM--BPNN特征融合预测模型研究

为探究预测性能更优的沥青路面车辙变形预测模型,更好地捕捉预测过程中基本特征和时序特征的潜在关联性,通过下载并预处理LTPP数据库中与沥青路面车辙相关的路面结构材料、交通荷载、气候环境及路用性能数据,构建一个高质量样本数据集。并使用注意力方法融合BP神经网络和长短期记忆神经网络,建立性能更优的基于深度学习的LSTM-BPNN车辙预测模型。最后将此模型与其他4种常用预测模型进行比对试验,评估该模型的精确性和有效性。结果表明:LSTM-BPNN模型预测性能表现优异,训练集和测试集上的R~2分别达到0.821和0.796,能充分捕捉与沥青路面车辙相关的基本特征和时序特征;在比对试验中此模型R~2和RMSE均好于其他常用模型;另外此预测模型具有较强的泛化能力,将目标特征和预测特征进行更换,可实现更广泛的应用。     

基于深度学习的钢轨伤损超声检测与分类

钢轨内部伤损的实时检测与治理将有效地降低事故发生的风险.人工物探方法费时费力;超声检测技术能够实时地探查钢轨的内部状态,但伤损的辨识仍依赖于人工或图像处理技术逐个手动处理,易漏检或错检.提出一种新的基于深度学习的钢轨内部伤损超声检测数据后处理方法以实现伤损识别和分类的自动化,并从数据,方法和干扰因素三个方面对分类效果进...     

基于YOLOv5网络的轮胎面缺陷检测分析

当前时有发生因轮胎面缺陷导致汽车在行驶中发生严重的交通事故,轮胎面缺陷智能检测对避免这类交通事故的发生具有重要意义。深度学习技术被越来越多地用于目标检测领域,文章基于卷积神经网络模型YOLOv5提出一种轮胎面缺陷智能检测方法。首先建立具有4种轮胎面缺陷特征的数据集,然后通过YOLOv5网络训练数据集,最后用训练好的网络模型在测试集上检测。实验结果显示,在检测轮胎面缺陷任务中,YOLOv5网络模型的平均检测精度（mAP）达到65.4%,检测速度可达到38FPS,相较于YOLOv4网络模型与Faster-RCNN网络模型分别提高约4.1%与31.6%。对进一步研究更有效的轮胎面缺陷智能检测方法提供了参考。     

整合社会教育资源加强对大学生思想教育工作

这些年来黑龙江省一些高校在加强档案工作的同时,遵循文化规律,加强档案文化建设工作.同时,整合社会教育资源,发挥集群文化优势,使其档案文化教育在服务大学生思想教育工作中发挥了重要作用,收到了明显效果.     

客车企业ISO 9001体系与3C工厂质保要求的整合策划

以ISO9001∶2000标准建立的质量管理体系与3C认证的工厂质量保证能力要求有相似但又不完全一致的要求,为减少重复工作,节约资源,提高体系的运行效率,存在着整合的需求。本文结合公司实际情况,对客车企业3C工厂质保能力与ISO9001体系的整合策划做了些尝试。     

用大数据指导电子部件深度维修的探究

深度维修是电子板卡维修中以元件为最小维修单元的维修方式,由于二线维修特性和维修部件本身的复杂性,深度维修需要面对测试难度大、维修周期长、维修门槛较高等难点.通过积累维修数据、维修经验,对维修方法进行反复迭代,可大大缓解该困境.通过对维修大数据进行分类整理和提炼共性,可智能分析可能的故障点、缩小排查范围.未来,维修大数据...     

基于机器视觉和卷积神经网络的轨道表面缺陷检测方法

为提高轨道表面缺陷查准率、召回率和检测效率,采用形态学滤波与概率霍夫变换算法剔除原始图像噪声,实现对轨道表面缺陷的快速准确识别;顺次应用阈值法和离散法得到轨道的真正边缘定位,解决Canny算子在提取轨道边缘时产生大量伪边缘的问题;构建能兼顾召回率和查准率的改进交叉熵损失函数,基于卷积神经网络进行特征提取,建立高效的轨道...