一种永磁同步电机声品质主观评价方法研究

对永磁同步电机的稳态信号声品质进行了分析,并以声压级、响度、尖锐度、语音清晰度、波动度、粗糙度和音调度作为评价指标,建立了永磁同步电机声品质评价体系.采用分组成对比较法进行了主观评价,通过Bradley-Terry算法对评价结果进行了优化处理,分别搭建多元线性回归预测模型和MPGA-RBF预测模型,通过预留的检验样本对...     

地表注浆在浅埋黄土隧道中的应用与效果分析

结合鸳鸯会隧道实例,对地表注浆技术进行研究。通过数值模拟软件计算注浆前后围岩变形和塑性状态,分析隧道塌陷成因及注浆加固效果。注浆结束后,使用地质雷达检测注浆区域,了解注浆管分布及浆液扩散情况,排除注浆后围岩中不密实区域。施作初支后,对比拱顶沉降现场监测、回归分析以及数值计算结果,研究围岩长期变形趋势。结果表明,综合数值分析、雷达检测及现场监测分析,能够有效评价浅埋黄土隧道地表注浆加固效果。     

石灰岩与玄武岩粗集料抗压耐磨性能对比试验研究

为了探讨石灰岩粗集料在沥青路面表层中的适用性及耐久性,通过采用压碎试验仪、冲击试验仪和洛杉矶磨耗试验机在分别改变压力增加速率及压实功、改变冲击功和改变钢球数量质量及转动置数条件下依次对比研究了石灰岩与玄武岩粗集料的压碎值、冲击值和磨耗值,并分析了各性能衰减规律。结果表明：石灰岩粗集料的抗压性能、抗冲击性能和耐磨耗性能均较玄武岩稍差,且衰减较快;抗压碎能力与荷载压力、抗冲击能力与冲击次数以及磨耗损失与转动置数之间均呈二次曲线相关关系;冲击值、磨耗值与压碎值之间均有较好线性关系。     

基于磁流变悬置的整车建模与振动控制的研究

以磁流变悬置动态性能试验结果为数据样本,利用广义回归神经网络(GRNN)辨识方法建立了磁流变悬置的正、逆模型,并将辨识模型用于悬置系统的控制;建立了基于磁流变悬置的整车10自由度动力学模型,以发动机转速和悬置点处的加速度信号为输入,设计了模糊控制器,对磁流变悬置进行半主动控制的仿真。结果表明:该模糊控制器具有较好的宽频隔振效果,悬置点处的振动加速度峰值明显减小,验证了GRNN模型和模糊控制器算法的正确性和有效性。     

间断流速度-密度关系模型研究

为了得到城市道路间断流的速度-密度关系,定义了宏观速度和密度参数,利用VISSIM仿真获取基础数据并进行统计分析,进而引入4参数Logit模型完成数据拟合,建立了速度-密度的4参数Logit模型.其次,分析了交通组成、道路几何形式和信号控制参数对模型参数的影响,完成了模型参数与影响因素之间的多元回归拟合,建立了适用于不同条件下的间断流速度-密度模型.通过实际数据验证,得到的一般4参数Logit模型的拟合优度为0.7左右,能够较为准确地描述间断流速度-密度关系.     

基于模糊线性回归的小轿车运行车速区间预测

将小轿车在公路上的运行车速用三角模糊数来表征.基于二级公路上30个样本路段的平曲线半径、纵坡度等线形数据和实测车速,利用模糊线性回归方法建立了小轿车第85百分位运行车速区间预测模型.通过另外10个样本路段数据对该区间预测模型进行了验证,结果表明:小轿车运行车速的95％置信区间大都处于模糊线性预测区间之内;预测得到的模糊中心值与观测值的相对偏差和模糊度与观测值的比值两种评价指标均在10％以内.同时,将模糊中心值和线性回归预测值进行了比较,结果表明:模糊线性回归模型的平均绝对误差、平均相对误差和最大相对误差三个指标均优于线性回归模型,达到了更高的估计精度.     

“安凯美丽中国行”第三季强势回归

新能源,新产品!在推进节能环保,共建美丽中国的道路上,安凯也是蛮拼的。     

基于对称受限玻尔兹曼机的协同过滤算法

协同过滤算法在推荐系统中得到了广泛应用。其中具有代表性的是基于有向图模型的矩阵分解法和基于无向图模型的受限玻尔兹曼机。文中提出了一种基于对称受限玻尔兹曼机的协同过滤算法,该算法充分考虑并利用了推荐系统中用户和物品的对称性,通过对用户和物品分别建立了一个受限玻尔兹曼机,最后,采用回归算法对二者的结果进行融合处理。实验结果显示该方法与其他相关算法相比具有明显的优越性。     

钢筋混凝土路面施工工艺

钢筋混凝土路面施工技术,是在普通混凝土路面施工的基础上发展起来的。当地基有不均匀沉降等情况发生时,混凝土面板有可能出现断裂裂缝,钢筋混凝土路面就是利用路面混凝土内的纵横钢筋把面板拉在一起,使面板依靠钢筋及集料的嵌锁作用具有结构强度,增强面板强度、防止面板裂纹张开,达到保护面板结构不被破坏的目的。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用 BP 神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于 BP 神经网络方法;证明该方法是可行且有效的。