高速公路沥青混凝土路面中修养护设计思路与辅助设计系统的研发

目前我国高速公路已进入建养并重的阶段,路面的及时养护对维持良好的路面使用性能具有重要的意义.通过对项目基础资料的收集分析、旧路面路况调查与评定、路面病害的钻芯取样,系统研究了沥青混凝土路面中修养护设计思路,提出了路面病害的钻芯样本、钻芯位置、钻芯数量与需要处理路段集合的确定方法,并明确了中修养护设计中不同方案路段的划分...     

全球数字化转型的车界新样本

数字化转型浪潮袭卷全球,业务系统向云端迁移,国内企业上云也势不可挡。当前,越来越多的企业通过数字化改变企业销售,变革内部运营,全面重塑业务。此次疫情又为整个社会数字化进程加速带来了新契机。如何利用数字化转型调整商业模式、优化企业组织结构,进而提升企业核心竞争力,成为摆在企业面前的重要课题。近日,在全球30个国家拥有超过40个研发中心、近80个生产基地的汽车零部件企业均胜电子,通过一场特殊的云签约仪式,与科技巨头微软达成战略合作,将自身的全球化部署和数字化转型战略向前推进了一大步。整合全球数字转型战略,均胜电子是如何做的?     

基于混凝土碳化的桥梁耐久可靠度分析

以混凝土碳化作为评价指标,提出一种在小样本条件下进行桥梁耐久可靠度分析的方法。通过利用参数的线性无偏估计,使用这种方法可以直接计算钢筋混凝土桥梁的耐久失效概率。并通过工程实例进行验算。     

一种轻量化制动摩擦片背板样本的装调与实车测试分析

本文对一种轻量化制动摩擦片背板进行了材料的分析与选择,并利用粘接的方式进行了样本的组装。通过对不同车型进行对比,最终选定合适车型,在实车上安装调试后,进行了综合道路测试。通过对测试数据和样本实体的分析,验证该种轻量化制动摩擦片背板设计的可行性,对无人驾驶汽车的适用性,探讨了材料进一步优化的思路和未来发展前景。     

参数优化VMD对变压器声音信号的故障诊断

变压器内部局放声音信号包含了设备故障特征信息,但是局放声音信号的非线性、非平稳性使得故障特征难以提取,因此现有基于声音信号识别变压器内部故障识别率低.为此,提出模拟退火优化变分模态分解—样本熵的特征提取方法,并与支持向量机结合进行变压器内部局放故障诊断.首先,基于模拟退火算法实现变分模态分解(variational mode decomposition, VMD)的参数寻优;然后,采用最优参数设定VMD并对故障声音信号进行分解,得到包含故障特征的本征模态函数,进而求取各本征模态函数的样本熵作为对应样本的特征向量;最后,利用支持向量机实现特征向量的识别与分类.模拟实验结果表明,所提出的方法可以有效提取局放故障声音信号的特征,具有较好的故障识别率.     

有序样本聚类方法在城市轨道交通运营时段划分中的应用

为合理划分轨道交通运营时段并指导其开行方案,提出一种基于有序样本聚类技术的运营时段划分方法。根据统计时段内客流数据,引入单向OD(origin-destination)概率矩阵,并给出单向OD概率矩阵的时序模型和提取方法;利用有序样本聚类方法,以最优分割法量化站间客流转移规律,求解聚类方案。最后以某一轨道交通线路为例,提取时间间隔为20 min的上行OD概率矩阵时间序列,以最优分割法进行聚类,将站间客流转移规律相近的统计时段归为一类,提出目标线路运营时段划分方案。     

基于PSO的小样本特征选择优化算法研究

针对神经网络进行小样本数据训练时出现文本表征精确度低及特征过拟合,易造成权值全局最优和局部最优的不平衡现象,提出一种基于粒子群的双向长短期记忆网络(Bi-PSO)算法,利用Bi-LSTM对序列数据中长短期距离依赖信息的能力,对文本特征矩阵进行最小残差化处理得到降维矩阵,并通过粒子群算法获取降维矩阵中特征向量的全局最优和...     

t-检验成对二样本分析法在船舶定线制中的应用

为科学有效的评估长江中游船舶定线制实施以来对减少辖区碰撞事故、规范通航秩序、改善通航环境的效果,笔者把假设检验中的t-检验成对二样本分析法应用于对船舶定线制实施前后中游辖区碰撞事故发生概率的分析,得出在给定显著性水平α下,检验结果数据落在了假设检验的拒绝域的结论,证明两组数据具有显著差异,长江中游船舶定线制的实施效果明显。     

基于有序样本聚类的城市轨道交通站点差异化高峰时段识别方法

识别城市轨道交通站点高峰时段,对合理分配站内管理资源、制定乘客限流和错峰出行方案,从而缓解线路站点的高峰拥挤现象等具有重要作用。在现有多数城市的实践和研究中,主要依据人工经验确定全网或单条线路固定长度的高峰时段,但随着城市轨道网络规模和客流的增长,该方法难以体现不同站点和线路高峰时段的差异性,为车站开展精细化运营管理带来了挑战。针对城市轨道交通网络中的每个站点,本文基于以5 min为单元的进出站连续客流数据,提出了一种基于有序样本聚类的站点级差异化高峰时段识别方法。根据识别结果,进一步定义高峰时段时间窗最大客流、峰左（右）客流比和高峰时段长度三个指标,将网络中的站点高峰分为无高峰、微弱高峰、明显高峰三类。最后,以上海轨道交通18条运营线路5个工作日的客流数据为例,验证了方法的有效性。分析结果表明：(1)所提出方法可同时辨识出高峰时段的开始时刻和结束时刻,无须预先确定高峰时段长度,并且针对高峰时段的特点,使用定制化聚类参数,能够识别全网各站点差异化高峰时段;(2)同一条线路中站点距市中心越远,其进站早高峰时段开始越早,验证了辨识差异化高峰时段的必要性。