大型绳索类甲板机械试验设施技术与经济分析

针对大型绳索类甲板机械（含大型锚机）试验设施建设的必要性、要解决的问题以及技术与经济方面进行了探讨,希望给同行以借鉴．     

CABOSFV算法中集合稀疏差异度阈值确定方法

在实际应用中,CABOSFV算法初始参数———集合稀疏差异度阈值b的确定是否合理,对聚类结果是否有效起决定作用。本文针对如何科学方便地确定集合稀疏差异度阈值b进行了深入研究,给出了集合稀疏差异度阈值确定方法,并通过该方法进行了实例计算。计算结果表明,由于该方法能够确定聚类结果中类的对象组成最小数量,聚类结果的粗糙与精细程度可以人为控制,对聚类结果的准确及高效提供了很好的保证,能够为CABOSFV算法进行聚类提供合理的阈值。     

汽车用先进高强钢板材断裂性能研究进展

根据汽车碰撞过程的动态应变响应和大变形特点,针对汽车用先进高强钢板材,从断裂失效机理、影响材料断裂行为的关键因素、断裂预测模型、基于复杂承载工况下材料的断裂预测模型建立方法等多方面进行论述。基于应力三轴度、洛德角、应变速率及极限断裂应变于一体的断裂准则模型,相比于传统方法可实现对汽车安全件碰撞性能的高精度预测,具有行业推广应用价值。     

基于电动出租车数据的充电桩选址聚类方法比较

为有效降低出租车运营企业及经营者的经济成本,通过分析出租车的卫星轨迹数据,比较和选取用于电动出租车充电桩选址规划的聚类方法。以上海市电动出租车充电站的选址规划为研究对象,分别基于孤立森林和聚类算法设计异常值检测方法,对相关时段的出租车卫星数据进行清理以及数据可视化处理;比较层次聚类（Agglomerative Clustering）、高斯混合模型（Gaussian Mixture Model, GMM）、K-means聚类、Mean-Shift聚类以及谱聚类（Spectral Clustering） 5种算法的聚类效果,并选取K-means算法作为充电桩选址规划参考算法。从城市区域划分及企业运营角度确定充电桩选址方案,为未来上海市区电动出租车充电桩的数量和容量配置提供设计依据。     

雄安新区粉质黏土的动力特性试验研究

为分析雄安新区粉质黏土的动力特性,采用GDS多功能动态循环三轴试验系统,对雄安新区粉质黏土进行14种工况(不同围压、固结比和加载频率)下的动三轴试验,深入分析了动骨干曲线、动弹性模量、动剪切模量、阻尼比等在不同工况下的变化规律及相关参数。试验结果表明：随动应力幅值的增大,动应变呈非线性增长,且存在某一临界动应力值;随动应变的增大,动模量逐渐减小,且减小速率先快后慢、最后趋于稳定;随动剪应变增长,阻尼比呈非线性增长,且阻尼比最大值不超过0.12;随围压与固结比增大,动强度和动模量均明显增大;围压与固结比对阻尼比影响较小,具有归一性特征;随频率增大,动应力幅值、动弹性模量增大,但增长幅度并不明显。综合分析三变量对雄安新区粉质黏土动力特性的影响程度得出：围压影响最大、固结比次之、加载频率最小。     

基于联合调度优化模型的共享汽车分析

共享汽车行业曾在几年前广为繁荣,但由于其所具有的重模式、高成本、难以盈利等弊端,造成企业难以持续融资,行业难以持续繁荣的困境.如今,随着汽车车型更新换代日益迅速,加之疫情影响经济发展,消费者更倾向于轻便的用车模式,使得具有"分时租赁"特点的共享汽车获得很大发展机遇.本文综合利用Excel、Python软件,先以经纬度为...     

船舶螺旋桨轴圆跳动的检验

简述了船舶螺旋桨轴圆跳动现象的危害,提出了实船检验的几种情况,详细介绍了实船检验的具体方法。     

凝灰岩类土质边坡地震动力响应分析

以凝灰岩类土质边坡为研究对象,采用数值模拟计算方法对边坡的地震动力响应进行了分析,讨论了泊松比、阻尼比参数取值变化对边坡动力响应的影响.结果表明:地震作用下,水平加速度在凝灰岩类土质边坡中的分布具有明显的折减效应,且随高度衰减;边坡稳定系数随地震时程波动变化,在某个瞬时会小于1.0,但一般不会造成边坡的整体失稳破坏;基...     

圆截面钢管砼构件极限弯矩分析

分析了圆截面钢管砼构件在弯曲极限状态下,钢管和砼相互作用而产生的两种套箍作用效果;推导了理想塑性状态下的中和轴位置和极限弯矩的计算方法.     

基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型

为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。