超高掺量胶粉改性沥青性能

为提高胶粉改性沥青中胶粉掺量,加大废旧胶粉利用率,针对目前胶粉改性沥青中胶粉掺量较低问题,优化胶粉改性沥青制备工艺,制备超高掺量(40％)胶粉改性沥青.采用三大指标、TFOT试验和PAV试验研究超高掺量胶粉改性沥青基本性能与老化性能;基于DSR试验和BBR试验确定超高掺量胶粉改性沥青PG分级性能,采用拉伸试验评价超高掺量胶粉改性沥青黏韧性,通过TGA试验、荧光显微镜试验和SEM试验揭示超高掺量胶粉改性沥青的微观性能.结果表明:超高掺量胶粉改性沥青180℃旋转黏度低于4.0Pa·s,其低温抗裂性和抗老化性能均优于常规掺量胶粉改性沥青;超高掺量胶粉改性沥青高温抗车辙性略有下降,但疲劳极限温度低于常规掺量胶粉改性沥青,确定其性能等级为PG88-34;超高掺量胶粉改性沥青柔韧性占黏韧性比重为88.0％,是常规掺量胶粉改性沥青的2.1倍;180℃环境下,超高掺量胶粉改性沥青热稳定性最好;在保留一定弹性核心的基础上超量胶粉被降解为细小颗粒溶于沥青,决定了其宏观性能上良好的存储稳定性.     

大厚度高强度钢E550焊接性能研究

为了解决船用板材在焊接过程中容易出现裂纹和韧性较低问题,以80 mm厚的E550高强度钢为研究对象,采用斜Y裂纹敏感性试验、焊接热模拟试验、热影响区最高硬度试验以及焊接工艺优化试验,分析预热温度、从800℃冷却到500℃的时间(t8/5)、焊接热输入等工艺参数对接头微观组织和力学性能的影响。试验结果表明:提高预热温度并控制焊接热输入和t8/5可以得到满足要求的接头。     

探讨基于微观交通仿真的动态交通管理优化问题研究

随着社会经济的不断发展,交通运输业进入了快速发展阶段,交通问题成为人们关注的重要问题。有效的交通管理能够有效减少交通拥堵的情况,提高交通路网的通畅性与安全性。利用微观交通仿真模型,对交通拥堵等各种交通现象进行分析,实现最佳的交通管理。阐述了在微观交通仿真系统上构建的动态交通管理双层模型,结合模型介绍了其主要的运算方法模拟退火运算法,并用案例证实了双层模型对动态交通管理优化的最佳效果。     

家庭光伏发电系统动态经济调度研究

随着光伏发电技术的快速发展,我国安装光伏发电系统的用户逐年增长,研究家庭光伏系统动态经济优化调度问题具有重大意义。以用户收益最大化为目标函数,设置上网比例和买电比例作为决策变量,充分考虑家庭光伏发电系统的并网收益、购电支出、政府补贴、光伏阵列和蓄电池系统维护支出等因素,确定了发电系统的经济效益调度模型。在MATLAB仿真环境中,以某家庭光伏发电系统24 h内的运行调度为算例,选取目前市面上实行的几种购电电价机制,采用改进型粒子群优化算法对所建立的模型进行寻优求解。分别比较了基本不同电价机制和不同的负荷情况下所得到的最优收益,最终为调度者提供了最好的调度策略。     

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

贵州茅台酒扩建工程机制砂混凝土配合比试验研究

利用正交试验设计进行贵州茅台酒扩建工程机制砂混凝土配合比设计试验研究。采用极差分析法对数据进行了分析,找出影响机制砂混凝土抗压强度的关键因素是等量取代石粉的掺量,影响劈裂抗拉强度的关键因素是石粉含量。只要充分发挥石粉的作用,机制砂混凝土具有良好的推广应用价值。     

粤港澳大湾区建设背景下港航物流管理类专业实用型人才培养

基于粤港澳大湾区建设背景,围绕港航物流管理类专业实用型人才培养问题,从人才培养需求、人才培养定位、人才培养机制、教学改革等方面对如何培养实用型人才进行深入探讨,提出港航物流管理类专业实用型人才培养的实施途径和建议。     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题，提出一种基于图卷积网络和多头自注意力机制的自注意 力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的 STGCN (Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用 LSTM(Long Short-Term Memory)网络学习数据中时序规律，通过注意力网络计算道路自注意力及一阶临近道路注意力系 数，用图卷积网络对图信号重组，达到对缺失数据的精确修复。同时，采用多头自注意力网络计 算数据的注意力权值并对数据重组，捕获交通流数据中的二阶及高阶临近道路空间关联性，提取 已知数据与缺失数据的时间关系，以残差链的形式加入到模型中，作为对STGCN功能的补充。 基于真实数据的实验表明，在多种缺失模式和缺失率下，该模型能够学习路网拓扑关系，捕获数 据中的时间规律性和时空关联性，有效地修复缺失数据。     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。