携手凯歌扬--五羊-本田百万产能新工场正式投产

坐落于广州增城的五羊-本田公司新工场,经过一年多的建设,于3月1日正式投产。2月28日,这个占地32万平方米、总投资约3.8亿元、年产100万辆以上摩托车的新工场喜气洋洋,国家、省、市行业管理部门领导、广州汽车工业集团、广州摩托集团公司和日本本田高层出席了盛大的落成典礼。占据全球近三分之一市场份额的本田公司,将五羊-本田新工场定位为"世界QCD领域NO.1的生产基地、全世界范围内本田二轮工厂中的典范"进行建设,使之成为中国乃至世界范围内最为先进的摩托车生产工场之一:其一,新工场导入了多项达到行业领先水平的最新技术,如涂装室恒温恒湿、机器人自动喷涂保证了品质的稳定;采用新型丙烯酸电池技术,铁件防锈能力提高6倍;焊接领域首次实现与涂装线自动移载,引领了行业新技术发展方向。其二,新工场内大部分工序集中于一座联     

城市轨道交通工程施工噪声污染管控技术研究

城市轨道建设的施工阶段作为整个工程中对周边地区负面影响较大的阶段,对其噪声进行治理有着十分重要的意义。本文通过研究城市轨道交通工程的建设过程,重点阐述地铁施工过程中产生的噪声污染情况,通过模型预测施工期噪声影响,从技术和管理层面分别开展施工期降噪技术研究,研究地铁施工可采用的噪声控制措施。     

轨道交通制造业智慧物流管理探索与研究

通过分析轨道交通制造业物流现状,结合主机企业内部生产特性,运用精益生产的思想,主要从设计储运一体化包装、创新VMI应用、搭建智慧物流平台、共享开放云服务等方向探讨了新型智慧物流,以期促进行业物流管理的节能增效。     

现身说法奥德赛C-NCAP碰撞深入解析

广州本田奥德赛是C-NCAP所测试的第一款MPV乘用车。该车长、宽、高分别为4770mm、1800mm和1582mm,搭载排量为2354mL的汽油发动机。其安全配置情况如下:驾驶员侧和前排乘员侧均配置了正面安全气囊,前后排安全带均配置有预张紧器以及     

海上无人装备跨域通信技术发展研究

针对海上无人装备跨域集群作战的任务要求,总结出无人装备由于缺少人员的实时操控,其通信呈现出网络化、服务化、自主化、抗干扰、设备小型化等特点。梳理了国外无人机、无人艇、无人潜航器等无人装备通信系统的发展现状,并以美军《2017-2042年无人系统综合路线图》为参照,重点分析了无人装备跨域通信未来的发展趋势。在此基础上,重点从互操作性、自主智能、安全保密、人机协作4个方面,提出要重点研究和突破的关键技术。     

基于生成对抗网络的地铁OD需求短时预测

城市轨道交通作为一种安全、运量大、环保节能的交通工具,能有效缓解城市交通压力,逐渐成为大中城市居民最重要的出行方式之一。准确可靠的城市轨道交通短期客流预测对旅客出行与客流管控有重要意义。有鉴于此,提出一种新型的生成对抗网络(GAN)模型,即CWGAN-div模型,以实现对地铁OD需求的短期预测。CWGAN-div模型融合条件生成对抗网络(CGAN)模型以及基于Wasserstein散度的生成对抗网络(WGAN-div)模型,结合2种模型的特点,来提高原始生成对抗网络模型的稳定性和生成精度。考虑到地铁客流量变化的时间周期性,使用一种融合2类周期信息的时间标签作为条件信息,并与历史OD数据一起作为模型的输入。为了更充分、更稳定地挖掘地铁客流需求的时空相关性,采用一种改进的卷积神经网络,即残差神经网络构建CWGAN-div的内部结构。以深圳地铁1号线和4号线的44个站点为例,数值实验表明,CWGAN-div模型具有较好的稳定性和预测效果,相比传统预测方法和普通深度学习方法在预测精度上分别提高了27.97%和6.59%,相比其他组合模型提高了3.26%,相比基础CGAN模型和WGAN-div模...     

基于连续变量量子通信的地铁量子调度网络研究

地铁调度网络作为地铁运营系统的重要组成部分,是实现地铁系统中列车调度、实时监控和紧急通信等作业顺利进行的基础。针对地铁调度网络中调度信息的安全传输问题,提出一种基于量子通信技术的地铁调度信息的加密过程,以期实现调度信息的无条件安全传输,从而提升地铁系统中列车调度、实时监控和紧急通信等业务的安全性和保密性,保障广大乘客人身安全。考虑成本、数据规模以及量子系统与现有网络和器件的融合性,拟在地铁调度网络中采用增量部署和星型组网的方式开展基于连续变量的量子通信,分析其在集体攻击下的安全性。以深圳地铁10号线为例,设计一种基于CV-QKD技术的地铁量子调度网络。基于实际线路数据,计算部分站点之间通信的安全密钥率。仿真结果表明,连续变量量子通信能满足深圳地铁10号线全线的数据加密需求,并且有能力实现更远通信距离的调度信息安全传输。在通信距离较短的情况下,系统可使用较大的发送端信号方差或在接收端使用外差检测来实现更高的安全密钥率。相反,在长距离通信的情况下,接收端使用零差检测是性价比更高的选择。     

基于迁移学习的桥梁表观病害检测技术研究

桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。     

基于特征增强学习的路面裂缝病害视觉检测方法

受路面复杂背景的干扰,既有的路面裂缝病害视觉检测算法易产生虚警和漏检问题。基于此,提出一种基于语义特征增强学习的路面裂缝病害检测方法。为了强化网络模型对图像浅层特征的利用,该算法以Unet++网络为裂缝检测的主框架,其通过融合更多的底层特征信息来提升裂缝病害检测的精度。在Unet++网络层间特征融合的基础上,根据不同卷积层的特征图属性,进一步差异性地引入视觉注意力计算模块,有效抑制背景杂波的干扰,减少虚警率。为了降低裂缝病害检测的漏检率,利用空洞卷积操作分别从2方面改进网络模型的训练过程：其一,应用空洞卷积代替传统的池化操作,通过网络的自动学习剔除无关紧要的特征信息,加强网络对细微裂缝特征的学习能力;其二,在网络上采样前,建立空洞卷积金字塔池化层,通过增加对裂缝特征的尺度多样性计算,保证网络模型在不同拍摄距离下裂缝病害检测的适用性。收集大量的路面裂缝图像数据并与不同算法进行对比分析,实验结果表明本算法取得了比全卷积网络、原始Unet++网络更优的裂缝检测效果。