雁荡山特大桥叠合拱钢构件加工技术

雁荡山特大桥为甬台温铁路的关键工程,主跨采用2×90m新型下承式叠合拱组合结构。详细阐述了叠合拱钢构件加工工艺及要求,并简要介绍了钢构件存放与运输的技术措施。     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

公路地基沉降预测及其计算方法研究

为弥补公路路基沉降预测中各现有模型存在的不足,提出一种新的沉降预测模型,并给出了利用该模型进行沉降预测的解析方法和数值方法。分析了该模型的特点,说明了测量误差以及测点数对预测结果的影响。通过与其他预测方法的比较,该模型有明显的优势。结合工程实例验证了该模型的合理性,并指出解析方法在求解过程中会影响实测数据的权重,进而影响预测效果;而数值方法求解简单,方便实用,对测点数的多少要求不高,不影响实测数据的权重,预测精度较高。     

基于驾驶员信息处理能力的高速公路作业区限速值计算方法

基于人体工程学原理,将驾驶员在高速公路作业区行驶过程中接触的交通信息分为道路几何信息、道路交通运行信息、交通管理控制信息、气候与环境信息及驾驶员自身信息,将作业区各种道路交通信息进行量化处理,在系统分析驾驶员对信息处理模式的基础上,提出了基于驾驶员信息处理能力的高速公路作业区车速速度限制值计算模型。以2006年5月哈大公路入口作业区为例,考虑车道宽度、开放车道数、隔离设施、合流机会、合流冲突及大车影响对驾驶员接受信息的量化影响,计算得出该作业区的限速值为50 km/h,与工程实际中采用的55 km/h吻合较好,验证了本文所提方法的有效性,为高速公路交通管理部门确定车辆速度限制标准提供了一种参考方法。     

交流电力功率智能传感器粗信号处理

为提高交流电力功率性能指标的测试精度和实时性,基于相关性分析和最小二乘误差理论,研究了交流电力智能传感器的粗信号处理方法.采用最小二乘特征参数法,对交流电压和电流值的初始采样点进行估算,获得了电力功率参数.在此基础上,将最小二乘特征参数法与相关分析法进行了比较,给出了基于相关分析法和最小二乘特征参数法进行功率测试的运算量公式,并分析了运算的复杂度.实验结果表明,当干扰幅值从信号幅值的3%放宽至12%时,基于最小二乘特征参数法的粗信号处理方法与现有方法相比,其计算工作量可减少49.4%,测试误差减少了2/3,同时降低了系统的信/噪比要求.     

多分量相移键控信号码速率盲估计

为解决单通道接收机同时截获到同一频带范围内的多分量相移键控信号的参数估计问题,提出了一种不经信号分离直接提取各独立信号分量码速率的盲估计算法.从理论上推导了多分量相移键控信号的二阶共轭循环自相关具有线性特性,因此可以不受干扰地提取各信号分量的码速率;进而提出了简单而有效的谱峰增强方法,与基于二阶共轭循环自相关获得的谱峰相比,用此法获得的谱峰更为清晰.仿真实验表明:用提出的算法,当双分量信号功率比为1:1且信噪比为-5 dB时,码速率估计的正确率可达98％;尤其是在单分量环境下,该算法比现有算法的性能提高4 dB以上.     

膨胀土分析及相关路基处治方法

膨胀土在我国分布比较广泛,其对于工程的危害远高于其他病害地质,并且对于膨胀土的识别和评定目前并无统一的标准,在设计治理与施工方面缺乏成熟的经验,因此主要的处置方法就是化学改性法。     

公路工程试验检测数据处理问题探析

在公路工程的施工技术管理中,工程试验检测是一个重要环节,同时也是公路施工质量控制和工程竣工验收工作中不可或缺的一个关键步骤。针对这样一个关键环节,从数据表达和误差表示两个方面分析公路工程试验检测数据处理问题,可供参考借鉴。     

车辆在线监测系统 在受电弓检测中的应用

以南京地铁1号线车辆的在线检测系统中的受电弓在线监测系统为主要对象,论述其组成结构、工作过程和工作原理。在线检测系统通过图像采集、分析,实时反馈列车受电弓的工作状态;利用图形分析技术,及时发现受电弓故障并立即报警,避免弓网事故的发生。实际使用表明,该系统可以降低受电弓检查的成本,提高受电弓检修的效率,避免受电弓带故障运行,提升运营质量,保证正线的运营安全。     

基于桥检领域-任务迁移的检测报告信息提取少样本模型

为减少桥梁检测关键信息提取方法对大量人工标注样本的依赖,提出了一种适用于少样本场景的桥梁检测关键信息提取模型,由桥检领域预训练语言模型、双向长短时记忆(BiLSTM)网络和条件随机场(CRF)组成;通过使用桥梁领域语料与检测任务数据对原始语言模型进行领域预训练和任务微调,实现从领域知识到任务特征的两阶段迁移,构建出更适应桥梁专业术语和检测报告格式的预训练语言模型;利用BiLSTM捕捉桥梁检测报告中的上下文依赖关系,并结合CRF对最终信息提取结果进行约束优化;根据行业规范和现有相关研究,重新定义了8类桥梁检测报告中通用的关键信息;为验证方法的有效性,分别在仅包含50和100个句子的少样本数据上进行训练,并在1 491个句子的测试集上评估性能。试验结果表明：当训练样本数分别为50和100个时,本文提出模型的F₁值分别达到0.860 7和0.820 2,均显著优于4个主流模型,验证了该模型在少样本情况下对桥检报告关键信息的精准提取能力;消融试验进一步证明了领域与任务两阶段迁移学习策略在快速提取少样本数据中领域相关信息和任务显著特征方面的有效性,从而显著提升了模型在少样本场景上的整体性能;提出的少样本场景下桥梁检测信息提取方法可用于构建知识图谱,以评估桥梁的结构状态和预测未来可使用寿命。