增强履约能力提升监理服务品质

文章介绍了我省十一五高速公路建设规划和监理市场的现状,对监理市场的需求进行了预测分析,并就如何增强履约能力,提升监理服务品质进行了阐述。     

哪一种诊断分析仪最适合你

本文详细介绍了目前美国市场上六种常见诊断分析仪的功能,并逐一进行了比较,相信会对你正确地选购这些仪器提供一定的参考。     

玻璃／环氧圆柱管理撞击性能研究

研究了玻璃纤维增强环氧圆柱管作为缓冲装置的撞击吸能特性，并与铝合金圆柱管的吸能特性进行比较。研究发现，玻璃/环氧圆柱管的能量吸收性能优于铝合金圆柱管，可以作为可更换式的保险杠支架以提高汽车的耐撞性。研究了铺设角度，破坏模式和引发形式对玻璃/环氧圆柱管能量吸收能力的影响。     

基于多尺度核独立元分析与核极限学习机的柴油机故障诊断

为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。     

基于区域分类和电子地图的室内定位研究

为辅助盲人独立乘坐地铁出行,解决传统室内定位法易产生定位点跳跃和定位实时性差等问题,提出一种融合区域分类和电子地图的方法。该方法分为离线区域分类和在线定位2个阶段:在离线阶段通过迭代寻优,为蓝牙传感器产生的RSSI序列寻找最佳高斯滤波模板,采用滤波后的序列均值构建位置指纹库,并利用支持向量机模型对位置指纹库进行1级分类;在线阶段,采用滑动窗口对待定位区域进行2级分类,在窗口范围内采用基于欧氏距离的KNN算法求取位置坐标,并利用电子地图的路径层信息对定位坐标纠偏,进一步控制误差范围,提高定位效率。实验表明:该滤波方法将定位精度提高近4%,使用该定位算法最终能达到1.59 m定位精度。     

基于2D激光位移传感器的轨底坡动态检测系统研究

设置合理的轨底坡可使钢轨轨头与车轮踏面合理接触,减轻钢轨轨头的不均匀磨耗,延长钢轨使用寿命。为提高轨底坡静态检测精度,线路日常养护和维修效率,提出一种基于2D激光位移传感器(简称2D)的钢轨廓形检测原理和ARM嵌入式技术的轨底坡动态检测方法。结合传感器工作原理与特点,搭建一套可在线连续检测的轨底坡动态检测系统。考虑到2D空间姿态变化,建立适用于轨底坡动态检测的双2D空间姿态关系模型和标定解算模型。因为车体振动会产生对轨底坡计算结果的影响,利用Kalman滤波算法建立多传感器的状态空间模型,对轨底坡计算结果进行补偿。最后选用GJ-4型轨道检测车进行地铁正线试验,试验结果与人工复核结果的对比,符合工务段要求精度。试验结果验证了该轨底坡动态检测系统切实可行,Kalman滤波算法能够很好地对轨底坡的计算结果进行补偿修正。     

采用新材料和智能设计方法制造未来的车辆

如果欧洲的铁路部门想要维持在全球范围内的竞争能力的话,他们需要在设计下一代的机车车辆时进行改革,而新材料和模块化设计的运用将成为成功的关键,这就是所谓的Mat4Rail计划。该计划旨在通过用纤维增强复合材料(FRPs)来代替金属零部件从而实现产品轻量化,并通过模块化室内设计来提高运载能力和舒适性。     

混合型有源滤波装置的应用研究

介绍了应用于煤矿的并联混合型6kV有源电力滤波装置的主电路和控制系统设计的原理。该装置是由有源滤波器、晶闸管投切的滤波器和固定补偿装置组成的混合型补偿装置。为了充分发挥各个功能单元的作用,该装置采用了基于瞬时无功理论的基频无功电流提取法和基于FIR数字滤波算法的谐波电流检测的分解合成控制方法。实践证明,上述方法不仅有效地抑制了直流传动矿井提升机所产生的谐波,同时实现了对其无功功率的连续补偿。成功运行的经验表明,混合型有源滤波器对于煤矿配电系统电能质量的控制效果良好。     

斑马增强技术和制造能力 进一步开拓中国市场

6月2日——专业打印和自动识别解决方案的供应商斑马技术公司首席执行官安广升宣布,其广州技术力量的增强将显著提升设计和制造能力,进一步巩固在中国市场的地位。斑马公司广州技术支持中心为在中国的首选外包制造商Jabil提供工程和生产方面的支持,Jabil为斑马公司建立专用生产线。生产能力覆盖整机组装、PCBA和耗材,包括桌面打印机、移动打印机和证卡打印等解决方案产品。通过这种合作伙伴关系,斑马公司能够更加快速地满足移动、     

基于RBF神经网络的铁路沿线短时风速预测方法

对实测风速数据进行Kalman滤波,去除实测风速数据的偏差;通过归一化处理,消除数据中的冗余成分;针对RBF神经网络的预测误差会随着时间的推移而增大的问题,采用滚动式训练方法在线训练RBF神经网络;用训练好的RBF神经网络进行风速预测,再对预测结果进行反归一化处理,得到最终的预测风速.仿真结果表明,运用基于RBF神经网络的铁路短时风速预测方法对短时风速进行预测,最大相对误差仅为5.92％,可满足铁路防灾安全监控系统中风速预测子系统的要求.