电力机车电子控制柜瞬态故障检测装置

介绍了一种新型的电力机车电子控制柜瞬态故障检测装置，阐述了装置工作的基本原理，并对关键的技术问题进行了分析，提出了解决方法。文章提出了一些新的检测概念，如快通道、慢通道、前史、后史等，在机车故障检测技术方面作了一些新的探讨与尝试。     

T10钢原始组织对球化退火组织的影响

本文研究了原始组织对T10钢的球化率及碳化物粒度的影响。结果表明,随着原始组织的珠光体片的细化,球化退火后的球化率增高;碳化物粒度细小。     

基于对标的商用白车身静态刚度试验与分析

白车身刚度是车身开发阶段研究的重要内容之一,对汽车稳定性、舒适性等具有十分重要的意义。针对某款商用车白车身,进行静态扭转和弯曲刚度实验,并将样车与标杆车实验数据进行对比分析、评价,得出样车刚度性能指标及进一步改进方向。     

一种新型水下管道连接器的结构设计与优化(英文)

The basic configuration of a new type of subsea pipeline connector was proposed based on the press-fitting principle,and a parametric finite element model was created using APDL language in ANSYS.Combining the finite element model and optimization technology,the dimension optimization aiming at obtaining the minimum loading force and the optimum sealing performance was designed by the zero order optimization method.Experiments of the optimized connector were carried out.The results indicate that the optimum structural design significantly improved the indicators of the minimum loading force and sealing performance of the connector.     

航空磁探中水下目标的自适应探测方法

目前普遍采用的飞机磁场模型存在一定的复共线性,传统方法很难准确计算其模型系数。模型系数的不准确对水下磁异常信号探测的影响也很大。自适应探测方法假设飞行测量过程为平稳随机过程,利用对背景噪声的统计特性的学习,实现飞机背景噪声的白化。根据磁性目标的时序特点和噪声的统计特性提出的探测因子,在强起伏干扰背景下对磁异常信号具有较强的探测能力,同时简化了补偿过程,提高了探测效率,具有工程应用价值。     

谈宁波－舟山港虾峙门外深水航槽的使用

文中通过深水航槽的介绍,使读者了解深水航槽的成因、构成、使用注意事项和相关建议。     

基于主成分分析的舰船装备维修费组合预测

针对基于回归的组合预测模型,由于舰船装备维修费预测时可利用的样本小、可用的单项预测方法多,容易导致预测模型的数量比用于组合预测的样本数量多,出现回归系数无法估计的问题。在建立基于回归的舰船装备维修费组合预测模型前,首先对各单项预测方法预测结果进行主成分分析,建立舰船装备维修费实际值在选取主成分上的回归模型,给出基于主成分分析的组合预测模型;然后针对主成分分析中根据主成分的累积贡献率确定主成分数量具有一定的主观性,建议采用AIC确定主成分的数量;最后,采用实例对给出的方法进行分析和验证。结果表明:在舰船装备维修费组合预测中,该方法不仅解决了预测模型多于用来组合预测的样本数量问题,而且还可以解决单项预测方法之间的共线性问题,且其预测性能明显优于常用的组合预测模型。     

Impact of phytoplankton community size on a linked global ocean optical and ecosystem model

We isolated the effect phytoplankton cell size has on varying remote sensing reflectance spectra (R_rs(λ)) in the presence of optically active constituents by using optical and radiative transfer models linked in an offline diagnostic calculation to a global biogeochemical/ecosystem/circulation model with explicit phytoplankton size classes. Two case studies were carried out, each with several scenarios to isolate the effects of chlorophyll concentration, phytoplankton cell size, and size-varying phytoplankton absorption on R_rs(λ). The goal of the study was to determine the relative contribution of phytoplankton cell size and chlorophyll to overall R_rs(λ) and to understand where a standard band ratio algorithm (OC4) may under/overestimate chlorophyll due to R_rs(λ) being significantly affected by phytoplankton size. Phytoplankton cell size was found to contribute secondarily to R_rs(λ) variability and to amplify or dampen the seasonal cycle in R_rs(λ), driven by chlorophyll. Size and chlorophyll were found to change in phase at low to mid-latitudes, but were anti-correlated or poorly correlated at high latitudes. Phytoplankton size effects increased model calculated R_rs(443) in the subtropical ocean during local spring through early fall months in both hemispheres and decreased R_rs(443) in the Northern Hemisphere high latitude regions during local summer to fall months. This study attempts to tease apart when/where variability about the OC4 relationship may be associated with cell size variability. The OC4 algorithm may underestimate [Chl] when the fraction of microplankton is elevated, which occurs in the model simulations during local spring/summer months at high latitudes in both hemispheres.     

矿山法隧道拱部装配式衬砌结构设计研究

为解决矿山法铁路隧道施工拱部常出现的衬砌背后脱空、二次衬砌厚度及强度不足等质量缺陷问题，提出矿山法隧道拱部采用装配式预制管片结构的新思路，并基于时速350 km双线铁路隧道，采用数值计算分析研究拱部装配式衬砌结构的系列设计参数。主要研究结论有： 1）提出拱部装配式衬砌环向不分块的整体预制形式，综合考虑理论计算结果、行车安全分析、机械设备运输及拼装能力、拱部衬砌承载能力等，确定拱部管片环向弦长8.6 m、纵向幅宽2 m、衬砌厚度50 cm的结构尺寸及配筋设计参数； 2）提出拱部预制管片之间环缝采用螺栓连接、拱部预制管片与现浇边墙采用“L”型榫接头的接头形式及其设计参数； 3）为保证拱部管片的顺利安装，“L”型榫接头应考虑一定的施工误差，同时拱部预制管片与初期支护间应预留安装空间，后期通过管片背后纵向注浆填充密实。隧道拱部装配式衬砌技术成功应用于重庆胡家沟隧道，总体实施效果较好。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。