降雨作用下高填土质路堤边坡的渗流稳定分析

针对现行的高填土质路堤边坡,基于饱和—非饱和渗流数学模型,设计了二维非稳定渗流程序,通过模拟因雨水入渗引起的暂态渗流场,分析土体中含水量、基质吸力的变化规律;采用等效粘聚力的概念,利用延伸的MOHR COULOMB破坏准则对路堤边坡进行了弹塑性有限元分析,进而得出路堤边坡在不同降雨时刻的安全系数;最后分析了降雨重现期、土参数φb和由路堤施工所引起的土体渗水性系数的各向异性对边坡渗流稳定的影响。     

沃尔沃6120豪华客车ABS的故障诊断

介绍汽车防抱死制动系统ABS在客车上的应用背景,ABS部件及其主要技术数据,ABS的常见故障及其诊断方法。     

汽车仪表及仪表板的检修方法

针对不同的汽车仪表和仪表传感器以及稳压器,分析了检修方法及特点,介绍了自制的实用、有效的检修器材和使用方法。     

偏压连拱隧道病害分析及治理措施

基于某高速公路偏压连拱隧道衬砌发生严重破坏和隧道上方发生较大规模的山体开裂等病害,采用地震CT手段对隧道周围的工程地质进行了探测;根据现场监测数据,分析了隧道支护结构的受力状态及其安全性;对复杂地质条件下两种典型的施工方案进行了动态施工的数值模拟,对比分析了不同施工方案对围岩稳定和衬砌受力的影响;探讨了衬砌发生严重破坏的原因,并提出了相应的治理措施。研究结果表明:连拱隧道内侧断裂带、上方松散层等不良地质条件和不合理的施工方案是导致隧道衬砌严重破坏和山体地表开裂的主要原因。研究结果为分析和治理偏压连拱隧道病害提供了依据。     

基于实测数据评估交通事件检测中神经网络应用性的研究

神经网络为交通事件自动检测技术摆脱传统方法探测率低、误报率高的状况提供了新的解决思路。在以往局限于仿真数据研究的基础上,本文利用I-880数据库实测交通事件数据对神经网络在交通事件自动检测中的实际应用进行了研究,结果表明:神经网络应用于交通事件自动检测技术中,具有较高的探测率和较低的误报率,但该算法可移植性较差,在实际应用中要予以考虑。     

基于视觉的前方车辆探测技术研究方法综述

对国内外关于车道上本车前方车辆检测方法进行了综述。根据探测车辆所采用的传感器不同,分别对采用单目视觉、双目视觉、视觉与其他传感器融合以及非视觉传感器的几种探测方法进行了比较与分析。同时,针对每种探测方法,进一步阐述了目前车辆识别的一些具体算法。最后,指出了每种方法存在的优点和一些不足。     

灌注混凝土桩施工方法及工艺的探讨

通过对钻孔灌注桩与沉入桩的对比分析,得出了钻孔灌注桩的优点,并且详细介绍了钻孔灌注桩的施工工艺和方法,总结了提高灌注混凝土桩承载力的方法和灌注桩的检测手段及一般事故处理方法,以供今后类似工程实践参考.     

鱼雷发动机三组元比例控制器数值模拟

利用计算流体力学软件Pumplinx模拟鱼雷发动机中三组元比例控制器的内部流场,分析计算中不同压差情况下对比例控制器性能的影响,以及叶片与定子间间隙大小对于比例控制器性能的影响,同时对不同叶片数目下性能进行对比。计算结果表明:由于比例控制器为被动旋转马达结构,其转速和流量均随时间呈周期性脉动变化,随着工作压差增大,转速脉动幅度基本保持不变,而流量和扭矩脉动幅值增加;随着间隙增大,泄漏量增大,但流量、扭矩、转速脉动幅值大幅降低,出口流量较为平稳;叶片数目增多后比例控制器转速降低、排量降低。由计算结果推断出目前比例控制器的最优叶片数目为4。本文可为进一步研究比例控制器精度问题提供参考。     

大直径盾构管片水平拼装试验方法探究

大直径盾构管片水平拼装试验存在效率低下甚至失败的情况,不能真实全面反映产品尺寸精度。分析其原因除大直径管片体积大、重量大的因素外,主要原因在于现有的试验设备工装简陋、试验方法粗放、规范要求低等。结合当前水平拼装的规范要求,分析现有试验方法存在的不足,对现有拼装设备工装进行改造,制定高标准的、更加严格的工艺措施,创造性地提出在每层管片拼装时增加标高检测的新思路。将新方法应用于南京长江第五大桥夹江隧道工程管片水平拼装试验,结果良好,证明了此试验方法的科学性与有效性。     

Who you are is how you travel: A framework for transportation mode detection using individual and environmental characteristics

With the increasing prevalence of geo-enabled mobile phone applications, researchers can collect mobility data at a relatively high spatial and temporal resolution. Such data, however, lack semantic information such as the interaction of individuals with the transportation modes available. On the other hand, traditional mobility surveys provide detailed snapshots of the relation between socio-demographic characteristics and choice of transportation modes. Transportation mode detection is currently approached using features such as speed, acceleration and direction either on their own or in combination with GIS data. Combining such information with socio-demographic characteristics of travellers has the potential of offering a richer modelling framework that could facilitate better transportation mode detection using variables such as age and disability. In this paper, we explore the possibility to include both elements of the environment and individual characteristics of travellers in the task of transportation mode detection. Using dynamic Bayesian Networks, we model the transition matrix to account for such auxiliary data by using an informative Dirichlet prior constructed using data from traditional mobility surveys. Results have shown that it is possible to achieve comparable accuracy with the most widely used classification algorithms while having a rich modelling framework, even in the case of sparse mobility data.