新型转辙机综合测试台中电路的设计与实施

介绍了转辙机综合测试台有关电路的设计,进行几种相关设计电路可行性的对比分析,并通过实施结果证明电路的可行性。     

编组站机车综合控制仿真与测试平台的研究与应用

编组站机车综合控制系统是新一代编组站综合自动化系统的重要子系统,在研制及推广过程中,针对既有编组站综合自动化改造的需求,在实验室进行了全面的系统仿真及综合测试,以保证系统在不影响站场现有作业的条件下开通应用。通过新丰镇SAM系统的推广应用,开发了一套编组站机车综合控制系统的仿真及测试平台,对编组站机车综合控制系统的研发及推广应用起到极大的作用,保证系统在现场的安全应用和快速推广。     

浅谈高速铁路通信信号综合管线接口设计

通过目前高速铁路工程站前与站后专业管线预留不当引起较大的废弃角度出发,结合相关项目实施经验,探讨制约接口设计的因素及缺点,提出通信信号沟槽管洞预留方法,对于相关线路设计具有较好的指导意义。     

模糊综合评价法在新建货运站选址中的应用

分析货运站选址的主要影响因素：与城市发展规划的适应性,建设运营费用的经济性,货运站发展的可持续性,铁路运输组织的便捷性,与城市综合交通的协调性。在此基础上,运用层次分析法,通过MATLAB软件计算确定各影响要素的权重,再利用模糊综合评价法对货运站选址方案进行评价,最后通过实例验证该方法在贷运站选址中的可行性。     

基于组合方法计算权重的绿色铁路客站综合评估

随着我国铁路事业的快速发展,大批的铁路项目在不断建设、改造以及投入运营。在建设绿色铁路客站,推广绿色铁路建筑,避免城市建设造成更多的能源和环境问题,是当前我国城镇化建设必须解决的重大课题。因此,绿色铁路客站的综合评价是非常有必要的。首先建立绿色铁路客站综合评估指标体系;然后采用组合方法计算各评价指标体系的权重;再依据《绿色铁路客站评价标准》的评分准则进行指标打分;最后结合具体实例,计算得出某H铁路客站的综合评价等级。该组合方法的创新之处在于融合专家权重和指标权重为一体,既体现专家自身偏好,同时又克服过于主观的缺点,得出科学、合理的权重,使绿色铁路客站综合评价结果更准确,更具有参考性。     

某轮燃油轻改重对主机影响的对比分析

某轮燃油轻改重费用上得到很大的节约,但机械损耗和工作量也都相应提高,说明对于某种机型燃油的降级使用是有限度的,为了安全管理,必须科学地进行综合考虑.     

公路工程可行性研究工作质量综合评价

基于公路工程可行性研究内容要求,提出评价公路工程可行性研究质量的指标体系,采用模糊评价法与层次分析法相结合的评价方法,建立模糊综合评价模型,并进行了实证研究,有助于公路工程可行性研究质量进行客观公正的评价。     

公交专用道对城市路网的影响及综合效益研究

本文基于时空消耗概念,提出了公交专用道设置后路网容量修正公式;根据Logit模型和交通阻抗函数分析出公交专用道将有助于优化城市居民出行交通结构;指出不同等级道路交通流车辆组成将重新分配.引进公交专用道规划前评价和设置后评价理念;建立多级指标层次结构图,建议采用层次分析法和模糊数学进行综合效益评价.     

某轮高压油泵VIT机构故障分析和预防措施探讨

文章以某轮高压油泵VIT机构发生的故障为例，结合VIT机构的结构组成和调节特性，分析其故障原因．并给出了VIT机构的日常管理注意事项，为提高轮机管理人员的管理水平提供借鉴。     

Neural network-based fuel consumption estimation for container ships in Korea

ABSTRACT

Due to the outstanding strength of advanced machine-learning techniques, they have become increasingly common in predictive studies in recent years, particularly in predicting ship energy performance. In constructing predictive models, prior studies have mostly employed vessels’ technical parameters to establish machine-learning algorithms. To bridge this research gap and enable wider applications, this paper presents the design of a multilayer perceptron artificial neural network (MLP ANN) as a machine-learning technique to estimate ship fuel consumption. We utilized the real operational data from 100–143 container ships to estimate fuel consumption for five different container ships grouped by size. We compared the performance of two ANN models and two multiple-regression models. Four input parameters (sailing time, speed, cargo weight, and capacity) were included in the first ANN and the first regression model, while the other two models only consider two inputs from physical function. The mean absolute percentage error of the ANN models with four inputs was the smallest and less than those in extended statistical models, demonstrating the MLP’s superiority over the statistical model. The MLP ANN model can thus be applied to confirm the effectiveness of the slow-steaming method for achieving energy efficiency.