高速铁路道岔受限区钢轨打磨对列车动力学性能的影响北大核心

对打磨前后的高速铁路道岔打磨受限区特征断面钢轨廓形进行测量,建立车辆-道岔耦合动力学模型仿真模拟列车通过打磨前后道岔打磨受限区的动力学特性,并对车辆动力学性能进行现场实测。结果表明:廓形打磨后,道岔打磨受限区内侧工作边明显低于打磨前,且降低值得到明显优化,全新车轮及磨耗车轮与打磨后的道岔受限区特征断面接触时的等效锥度均得到明显改善且均在理想范围内;在不同运行速度下,全新车轮及磨耗车轮与打磨后的道岔受限区特征断面接触时,构架及车体横向加速度均减小,列车轮轨接触关系得到优化,列车运行横向稳定性得以提升。现场实测结果进一步验证了廓形打磨对列车运行横向稳定性的改善作用。     

限制性航道船周回流速度与船体下沉研究

通过船舶在限制性航道(宽32 m,水深2.5 m)的航行试验,研究了500 t和300 t船队航行时的船周回流速度与船体下沉。试验表明,船周回流和船体下沉与航速、航行方式和断面系数等因素有关,其中交错航行时的船尾下沉量是渠道水深设计的控制条件。     

国际工程投标工料机费用计算

国际工程报价不同于国内项目或援外项目报价，其人工、材料单价及机械台班单价等，更多地需要从当地调查获得第一手资料，而且采用定额的工料机的消耗量也会产生变化。此文探讨如何利用国内现有定额的消耗量，在国际工程投标中迅速进行工料机用量分析和单价计算。     

平原限制性航道锚地布置方案

锚地是关系水上交通安全的公共服务设施,规范中关于航道锚地规模、布置方案的规定尚不详实。以京杭大运河湖西航道锚地布置方案为例,总结了锚地选址原则、锚位计算方法和靠泊管理方案。对平原限制性航道的锚泊条件进行分析,得出平原限制性航道锚地选址应重点考虑锚泊习惯和对外交通条件的结论。在平原限制性航道采用连片式结构和孤立墩式结构的组合方案,能够满足单船丁靠和船队顺靠的使用要求,且具有较好的经济优势,为平原限制性航道锚地的建设提出了新思路,对于类似工程建设及规范修编具有积极借鉴意义。     

潜盾施工技术与施工机具自产化探讨

本文就潜盾施工以潜盾机为主所衍生之相关技术谈起,并介绍相关设备之规格性能与配置,再就自产潜盾机与配套设备进行解析与研判,从潜盾机设计的理念为起点,探讨大地与机械等之互制关系及其与之关联性,最后归纳海峡两岸之潜盾工程胃纳,以之推估未来之潜势,期能因潜盾机与相关设备之自产,发展出属于中华民族本土之潜盾施工技术,共同完成海峡隧道划时代之基业。     

满足多台盾构始发要求的工作井结构设计研究

盾构工作井的尺寸应满足盾构机设备和安装的空间要求,对于需满足多台盾构下井拼装的情况,工作井的尺寸需考虑不同盾构机的尺寸及其交叉施工的影响。文中结合实际工程,分析多台盾构始发的结构尺寸要求,在满足结构尺寸要求的条件下对结构设计进行研究,通过工程验证,所提出的设计方法完全能满足结构功能要求。     

满足多台盾构始发要求的工作井结构设计研究

盾构工作井的尺寸应满足盾构机设备和安装的空间要求,对于需满足多台盾构下井拼装的情况,工作井的尺寸需考虑不同盾构机的尺寸及其交叉施工的影响。文中结合实际工程,分析多台盾构始发的结构尺寸要求,在满足结构尺寸要求的条件下对结构设计进行研究,通过工程验证,所提出的设计方法完全能满足结构功能要求。     

考虑禁行路线路网的最优路径求解

为了解决含有禁行路线路网中的最优路径求解问题．研究了含有装行路线路网的特点．建立了数学模型。通过路网转化法把含有禁行路线的路网转化为不含禁行路线的路网．降低了最优路径求解的难度。采用邻接结点关系矩阵和邻接结点权矩阵表达路网中结点和路段的拓扑关系，减少了路网的存储空间。用动态邻接结点关系矩阵和邻接结点权矩阵对经典的Dijkstra算法进行了改进，节省了计算机存储空间、提高了计算效率．并给出了基本算法。将所研究的路网转化方法和改进的Dijkstra算法应用于所研发的车辆诱导系统软件，并进行了实际测试。测试结果表明．府用该方法能够在含有禁行路线的路网中求解最优路径．且运算效率较高。     

沥青路面就地冷再生技术

提出了闭环可再利用的概念,以及沥青混合料的可溯源性和解构性,并对就地冷再生工艺作了探讨,认为粒径控制、称重控制和拌和控制是再生设备的关键,应在室内实验的基础上选择粘结剂和混合料的配合比.     

A two-stage-training support vector machine approach to predicting unintentional vehicle lane departure

Advanced driver assistance systems, such as unintentional lane departure warning systems, have recently drawn much attention and efforts. In this study, we explored utilizing the nonlinear binary support vector machine (SVM) technique to predict unintentional lane departure, which is innovative, as the SVM methodology has not previously been attempted for this purpose in the literature. Furthermore, we developed a two-stage training scheme to improve SVM's prediction performance in terms of minimization of the number of false positive prediction errors. Experiment data generated by VIRTTEX, a hydraulically powered, 6-degrees-of-freedom moving base driving simulator at Ford Motor Company, were used. All the vehicle variables were sampled at 50 Hz and there were 16 drowsy drivers (about 3 hours of driving per subject) and six control drivers (approximately 20 minutes f driving each). In total, 3,508 unintentional lane departures occurred for the drowsy drivers and 23 for the control drivers. Our study involving these 22 drivers with a total of more than 7.5 million prediction decisions demonstrates that (a) excellent SVM prediction performance, measured by numbers of false positives (i.e., falsely predicted lane departures) and false negatives (i.e., lane departures failed to be predicted), was achieved when the prediction horizon was 0.6 seconds or less, (b) lateral position and lateral velocity worked the best as SVM input variables among the nine variable sets that we explored, and (c) the radial basis function performed the best as the SVM kernel function.