机场水泥混凝土道面飞机荷载影响深度分析

荷载影响深度是研究机场道面沉降的重要参数。本文采用ABAQUS有限元软件为平台,针对4C、4D和4E等级机场分别提出了相应的＂道面结构-飞机荷载＂组合形式,并借鉴公路研究思路,通过对比基础内的荷载应力与自重应力,分别采用σZ/σB=0.1和σZ/σB=0.2两种判断标准,得到了不同土质、不同等级机场条件下的基础影响深度。研究表明,不同土质对基础影响深度的影响非常小;不同等级机场的基础影响深度相差可达100%。     

沥青路面雾封层抗滑与透水性能研究

由于雾封层采用改性乳化沥青,在其防水效果明显提高的情况下,抗滑性能可能会大幅度衰减.文章通过室内模拟实验,分别测试雾封层的构造深度和渗水系数,对比分析其抗滑和透水性能.结果表明:改性乳化沥青的喷洒量对试件表面的构造深度影响显著,喷洒量越高,构造深度越小;当原始构造深度较大时,构造深度的降幅更明显.从抗滑角度来看,建议雾封层的改性乳化沥青喷洒剂量不要超过0.4 kg/m2.随着喷洒量的提高,渗水系数降幅显著;当原路面渗水系数比较大的时候,雾封层的封水效果更为明显;如果喷洒量过小,则难以起到雾封层应有的防水效果.从防水角度来看,建议喷洒量不得小于0.2 kgm2.综合考虑抗滑和防水性能,建议雾封层的喷洒量在0.2～0.4 kg/m2之间.     

加强商用车轮胎技术管理迫在眉睫

造成轮胎爆胎的原因有轮胎质量、使用、维修及道路条件等诸多因素,因此,了解和认识轮胎的损坏形式和特点,采用正确的使用和维护方法对延长轮胎使用寿命、提高车辆运输效率有着非常积极的意义。     

基于遗传神经网络的高速公路纵坡运行速度预测方法研究

车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。     

船舶电力推进系统状态评估软件设计与实现

电力推进系统的状态评估是船舶电力推进系统高效性和安全性的保障。文中探讨了该软件的功能、结构、数据库的设计,给出基于模糊神经网络的舰船电力推进系统状态评估模型,并通过模型仿真验证了其准确性;分析了系统实现所采用的关键技术。     

基于小波神经网络的海流预测模型

海流是一种重要的海洋水文学要素,由于海洋环境恶劣复杂,海流监测仪器有时会由于不可预知的原因而发生故障,从而导致在一段时间内宝贵的海流数据的缺损。文中将小波神经网络和多种神经网络模型运用于短时海流数据的预测,并与实际海流数据进行比较,以达到缺失数据智能补漏的目的。计算机仿真结果表明,相比于单独的神经网络模型,小波神经网络在数据精度和稳定性方面可达到更高的要求。     

基于卷积神经网络优化回环检测的视觉SLAM算法

传统视觉即时定位与建图（SLAM）算法若无回环检测可能会存在累积误差无法消除的现象,即使有回环检测,也因准确率和效率比较低而无法应用于轻量级设备上,为此,研究一种回环检测优化的视觉SLAM算法. 前端估计时,对相邻帧图像进行ORB （oriented fast and rotated brief）特征提取与匹配,对匹配成功的特征点进行PnP （perspective-n-point）求解,获得相机运动估计并筛选出关键帧图像;后端优化时,利用SqueezeNet卷积神经网络 （CNN）提取图像的特征向量,计算余弦相似度判断是否出现回环,若出现回环则在位姿图中增加相应约束,利用图优化理论对全局位姿进行整体优化;最后利用项目组制作的数据集和TUM （technical university of munich）公开数据集进行测试与对比. 研究结果表明:相比于无回环检测算法,本文方法可以成功检测到回环并为全局轨迹优化增添约束;相比于传统词袋法,在回环检测准确率相同的情况下,本文方法召回率可提高21%且计算耗时减少74%;与RGB-D （red green blue-depth） SLAM算法相比,本文方法建图误差可降低29%.      

基于3D CNN的道路视频交通状态自动识别

为了从视频直接有效地提取交通信息,提出了基于三维卷积神经网络 （3D convolutional neural networks,3D CNN）的交通状态识别方法.首先,以C3D （convolutional 3D）深度卷积网络为3D CNN原型,对卷积层数量与位置、平面卷积尺寸及三维卷积深度进行优化调整,形成了37个备选模型;其次,建立了视频数据集,对备选模型进行系统的训练测试,提出了交通状态识别模型C3D*;然后,对C3D* 和现有三维卷积网络模型进行视频交通状态识别测试分析;最后,对比测试了C3D* 及常用二维卷积网络的交通状态识别效果. 对比结果显示:针对视频交通状态识别,C3D* 的F均值为91.32%,比C3D、R3D （region convolutional 3D network）、R (2+1) D （resnets adopting 2D spatial convolution and a 1D temporal convolution）分别高12.24%、26.72%、28.02%;与LeNet、AlexNet、GoogleNet、VGG16的图像识别结果相比,C3D* 的F均值分别高32.61%、69.91%、50.11%、69.17%.      

融合地图信息的交通灯路口自动驾驶启停策略

为满足无人驾驶技术中路口启停的需求,本文提出了融合地图信息的交通灯路口车辆启停策略.首先,本文对深度学习模型YOLOv3进行了压缩、裁剪和优化,用于快速识别交通灯颜色状态和箭头信息.其次获取地图给出的当前路口信息,包含前方路口是否可以调头、左转、直行、右转以及交通信号灯的数量和每个信号灯对应的功能.然后将交通灯检测结果...     

对海洋污染状况预测方法的研究

文章针对海洋污染监测数据的特点,采用三维泰森多面体模型对海洋污染状况进行三维描述。同时,结合有机灰色神经网络对海洋污染状况进行预测。