人工神经网络在路堤沉降预测中的应用

以人工神经网络法为主，研究了多因素条件下的沉降预测问题，同时与浅岗法和S型曲线法这2种在近几年推广应用的预测方法进行了对比。结果表明，3种方法预测的最终沉降大体相近，它们之间的区别在于人工神经网络法预测的沉降较大（同时更接近实测值）；S型曲线法较小；浅岗法居中。由于神经网络是用实测数据直接建模，少了人为干扰因素，并且偏大的数值对工程来说是偏于安全的，所以选用人工神经网络预测沉降比较适宜。     

公路平曲线设计在工程可行性研究阶段的探讨

文章针对工程可行性研究阶段的公路平面设计特点,介绍利用小计算器确定平曲线的平面设计方法,为提高工程可行性研究阶段设计的工作效率及质量提供参考。     

浅谈移动通信规划的几个问题

结合在深圳、温州等地区的规划经验 ,总结提炼出在移动通信规划中负荷预测的方法 ,并在城市道路、管网规划等方面提出了自己的见解和观点 ,对城市建设中移动通信产业的管理及规范发展提供了一些可借鉴的经验。     

城市高架连续曲线钢箱梁设计若干问题探讨

在城市高架道路的设计中 ,特别在交通繁忙的路口建造立交桥 ,由于施工条件、施工工期、高架下地面交通的布置和桥梁总体美观等限制 ,连续钢箱梁方案往往成为首选方案。连续梁一般在曲线段上成为连续曲梁。目前在上海延安路高架、逸仙路高架中已建成多座连续曲线钢箱梁。本文根据连续曲线钢箱梁的特点 ,探讨设计中应注意的若干问题 ,使连续曲线钢箱梁设计安全、合理、经济     

数据处理方法在路堤工后沉降预测中的应用

介绍了3种预测路堤工后沉降的模型及求解方法，并应用于工程实例中；把3种方法得到的结果与实测结果相比较，指出各种方法各有优点，各有其适用情况。     

温度和麻醉对神经几种兴奋性指标的影响——兼论何者可以正确反映兴奋性

在蟾蜍坐骨神经-腓神经观察了温度和麻醉对几种兴奋性指标的影响。结果表明,标准电量(a)随兴奋性的变化而有规律地变化。兴奋性愈高。a值愈小。而Weiss式中的b、基强度(Rh)、时值(Chr)及强度—时间曲线均不能正确反映兴奋性。细胞膜时间常数(RC)与兴奋性的变化无规律性联系。结论,a是兴奋性的可靠定量指标。     

基于正则化与B样条曲线的桥梁影响线识别方法

为了快速评估既有桥梁的安全性，研究了基于多源实测信息快速准确识别桥梁影响线的方法。首先利用桥梁动力响应及车辆移动的实测信息，建立影响线识别的数学模型。在模型中引入Tikhonov正则化方法以解决病态矩阵求解问题，通过设置罚函数项以取得较光滑并贴近真实的影响线。然后通过基函数扩展法重构影响线，将其表示为一系列三次B样条基函数的线性组合，从而将问题从识别众多影响线因子简化为识别少量基函数权重系数。为了验证上述方法的可行性，先在实验室模拟钢制试验小车在钢筋混凝土三跨连续梁模型上移动的过程。基于实测布置于梁底的多测点挠度和应变响应时程以及相应的试验车信息，可识别出不同位置测点的挠度和应变影响线。试验结果表明无论是影响线的总体形状还是局部峰值，识别解与基准解均能较好地吻合。该方法还被进一步应用到一座简支现浇预应力混凝土箱梁桥。该试验通过实测检测车过桥期间的桥梁跨中截面若干测点的动应变、动挠度以及车辆重力、实时位置等信息，准确识别了对应于不同车道的挠度和应变影响线。通过对比桥梁静载实测和影响线虚拟加载结果，发现两者偏差绝对值在5%以内。在一定程度上表明了该影响线识别方法具有较高精度，并具备工程应用的良好潜力。     

深长桩荷载-位移曲线计算研究

近年来，城市及交通建设发展迅速，随着上部结构荷载的增大及容许沉降的减小，深长桩的应用越来越广泛。深长桩的力学性态分析成为桩基础研究中一个非常重要的组成部分，桩顶荷载一位移曲线是桩基础设计的核心内容。     

A model-based traction control strategy non-reliant on wheel slip information

A traction control system (TCS) for two-wheel-drive vehicles can conveniently be realised by means of slip control. Such a TCS is modified in this paper in order to be applicable to four-wheel-drive vehicles and anti-lock braking systems, where slip information is not readily available. A reference vehicle model is used to estimate the vehicle velocity. The reference model is excited by a saw-tooth signal in order to adapt the slip for maximum tyre traction performance. The model-based TCS is made robust to vehicle modelling errors by extending it with (i) a superimposed loop of tyre static curve gradient control or (ii) a robust switching controller based on a bi-directional saw-tooth excitation signal. The proposed traction control strategies are verified by experiments and computer simulations.