任意桥梁截面自由扭转常数计算的快速方法

计算任意截面的自由扭转常数可采用有限元分析方法,位移法有限元计算出的自由扭转常数比理论值偏大且网格剖分尺寸大小明显影响计算速度。本文从弹性理论圣维南自由扭转问题基本假设出发,针对悬臂梁模型采用基于位移的最小势能原理和基于应力的最小余能原理两种方法,推导势能泛函和余能泛函表达式,并求得泛函的极小值从而推导出相应的有限元方程,得到两种计算自由扭转常数公式。根据推导出的有限元方程,采用三角形单元编写程序进行两种截面的计算并与理论值对比。对比结果表明,采用两种方法计算自由扭转常数并取其平均值作为最终结果相较于采用单一位移法计算其精度大幅提高,两种方法互相参考有利于解决计算结果偏大和计算量过大的问题。     

公路沿线交通标志视觉适应性分析

针对公路沿线交通标志牌和户外广告牌是否可以被驾驶员有效识别问题，给出一种公路沿线相关标志牌视觉有效性评估流程方法。模型可以根据相关标志牌的图像，通过图像处理方法获取标志牌的文字信息，并根据文字信息特征以及户外标志牌的设置位置与大小，自动分析所设计的标志牌在相关位置是否可以被相关人员认读，通过相关公路标志牌的检测表明：本文设计的方法可以有效确定相关标志牌的合理性。     

有一种光明叫坚守初心

他是80后创新型人才的优秀代表,他所承担的科研项目曾经荣获2018年中国航海学会科学技术一等奖,在2019年荣获由交通运输部海事局和中国海员建设工会联合授予的"最美验船师"称号,他坚守安全底线,服务绿色发展,矢志技术攻关,在应用技术创新征途上从未停止,坚守初心,从未改变.他就是刘光明,中国船级社的一名验船师.     

基于网络测度的宝鸡至汉中铁路功能定位研究

针对铁路规划项目功能定位定性分析为主的客观性不足问题,以宝鸡至汉中铁路为研究对象,选取节点间旅客交流时间或节点间运输距离为权重,运用Space L构造法建立区域铁路客、货运输网络拓扑结构模型;采用复杂网络分析方法,基于"有无对比"思想及等级化线路技术标准,结合应用Pajek软件与R软件,测算区域铁路运输网络直径、平均距离、边介数、网络效率等加权特征参数,以及非加权特征参数集聚系数进行网络测度分析,并进行网络最小生成树分析;以网络分析结果为基础,从路网、通道、客运、货运四个方面对铁路规划项目功能进行定量化综合定位,宝汉铁路为宁陕及陇东地区与川渝地区间南北纵向新通道的骨架干线,是一条以货为主、客货共线的区域路网干线铁路。     

货车自动驾驶技术及标准法规发展分析

目前,自动驾驶技术在乘用车领域已获得突破性发展;为提高通行效率和出行安全起到了极大的作用。自动驾驶技术在商用车领域的应用,有望较好解决高昂的人力成本和难以提高的效率等问题。然而,目前自动驾驶技术在货车的应用大多采用跟乘用车同样的标准进行规范,这在实际应用中存在着诸多的问题;例如,在FCW和AEB功能中货车在相同车速的制动距离要远大于乘用车,而其所采用标准规定的碰撞预警时间却并无多大不同,这在实际场景中存在着较大的安全隐患[1,2]。此外,货车质量和体积较大,且较多应用于长途运输,运输过程中会经历包括高温、严寒、山区等多种复杂气候场景,这些都将对货车自动驾驶技术在车辆制动效能、能耗以及多场景应用等方面提出更有针对性规范的要求。本文针对货车的应用场景特点,为其自动驾驶技术应用标准化提出了建议。     

新形势下高速铁路标准化管理研究——以中国铁路郑州局集团有限公司郑州桥工段为例

近年来,铁路系统不断推进安全风险管理,夯实管理基础,积极探索管理模式。中国铁路郑州局集团有限公司郑州桥工段(简称"郑州桥工段")通过优化维修组织模式、创建高铁示范线、推进数字工务应用等多种手段,努力实现高铁管理标准化。     

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。