有底防撞钢套箱下放系统设计及施工

通过对温州大门大桥主桥防撞套箱下放系统设计及施工方案的比选和实施,介绍了采用千斤顶同步下放系统在温州大门大桥施工中的应用,包括下放系统设计验算、结构加工、各吊点的安装就位等,并指出该施工工艺的前景.     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类结果;在上述典型水域,平均轮廓系数分别提升约53%,71%,63%和41%,戴维森堡丁指数分别降低约57%,67%,63%和45%;同时,此方法可平均降低约56%的聚类时间,显著提升了船舶轨迹数据聚类分析的效率。     

基于卷积神经网络的铁路曲线特征点检测算法

针对现役轨道检测系统中曲线特征点检测算法参数难以适应实际线路中曲线半径范围较大,以及由于参数设置不当导致检测的曲线特征点位置与实际位置偏差较大的问题,结合机器学习算法,提出了一种基于卷积神经网络的曲线特征点检测算法.该卷积神经网络模型可以同时对曲线的特征点进行分类和定位,将一段连续的超高数据归一化处理后作为输入数据,计...     

离合器压盘总成动平衡工装设计的体会

1机械加工工装设计定位原理和定位精度传统的机械加工工装设计,采用的定位原理是六点定位,并尽量避免过定位。应用最典型的有一面两销定位,为了防止过定位,其两销中一个定位销为圆柱销,另一个定位销必须采用削边销结构。由于定位销的同轴度、位置度以及定位间隙的影响,其定位精     

夏利车高速摘档熄火故障的排除

故障现象一辆2005年生产的夏利TJ7101型轿车,采用的是TJ376QE型3缸电控多点燃油喷射汽油发动机,行驶里程7万km。在发动机正常工作温度下,高速行驶中摘档熄火,重新起动发动机,燃烧正常。低速行驶中摘档熄火的现象也时有发生。故障诊断与排除经过路试发现,该车发动机怠速为800～9     

舰船遥感图像非线性畸变自适应校正研究

针对摄像机成像模型受非线性映射导致所获取舰船遥感图像存在的非线性畸变,根据Tsai畸变模型和Brown畸变模型构建改进处理的非线性畸变模型,通过实验场校验法解算非线性畸变模型的校正参数,实现目标坐标的校正处理,采用双线性内差值法对原始舰船遥感图像作重采样处理,获取畸变校正后的舰船遥感图像。实验结果表明：该方法可实现舰船遥感图像的非线性畸变校正,校正后畸变误差均值、畸变百分比较小。     

稳定化炉渣对沥青混合料抗裂性能的影响研究

为提高炉渣资源利用率,基于钙盐的碳酸化设计了一种炉渣稳定化处理方法,并通过三点小梁弯曲试验和Overlay Test试验,对采用稳定化炉渣制备的沥青混合料的抗裂性能展开了研究。研究结果表明:经稳定化处理后,炉渣的性能得到明显提升,且稳定化处理后的炉渣在沥青混合料中的最大替换比例可达30%。     

求解瞬时温度场的边界层函数法

本文介绍了求解奇异摄动问题的一种有效方法——边界层函数法,并用此方法研究了在薄矩形板中的热传导问题。     

一种基于机器视觉和Kalman滤波的水下电缆定位方法

为了有效检测水下电缆,利用机器视觉技术处理采集的水下电缆图像,根据水下系统坐标模型和相机内参数获取电缆相对位置信息,通过Kalman定位融合算法减小航迹推算后产生的偏差值以达到修正水下机器人(ROV)跟踪路径的目的。实验表明,所提方法适用于成像质量较低的水下检测环境,可识别弯曲度较小的水下电缆轨迹并进行准确定位,检测成本低且易于实现,为水下电缆巡检工作提供技术支持。     

基于激光视觉融合的帧间匹配方法

同步定位与地图构建(Simultaneous Location and Mapping, SLAM)是机器人在未知环境中实现自我导航能力的重要保证。目前SLAM算法使用的主传感器基本是激光雷达或视觉相机。二者各具优劣,激光雷达能更精确地进行测距,视觉相机能反映环境丰富的纹理信息。与使用单一传感器相比,将二者融合的SLAM算法能够获得更多环境信息,达到更好的定位和建图效果。文章提出一种融合激光雷达和视觉相机的帧间匹配方法,通过在SLAM帧间匹配过程中加入地面约束以及视觉特征约束,提高帧间匹配过程精度,增强算法鲁棒性,从而提升SLAM算法整体效果。文章最后利用采集的地下停车库数据进行结果验证,与开源算法A-LOAM进行对比。结果表明,相比A-LOAM的帧间匹配方法,文章提出的方法相对位姿误差提升约30%。