基于深度优先反向搜索算法确定有效路径集合

基于最短路径中任意路段因发生交通事件而失效时的替代路径搜索,合理界定了有效路径的阻抗值范围。参考深度优先算法和有效路径Dail算法离终点越来越近的思想,提出了一种从终点出发,反向搜索前置节点的多条有效路径搜索算法。算例结果表明:该算法能自动识别与路网结构相关的有效路径阻抗值范围,且能快速找到阻抗范围内的有效路径集合。     

浮冰冲击作用下的乙烯运输船体 舷侧结构强度分析

对无限航区的21000m3乙烯运输船舷侧结构,分别采用纵骨架式和横骨架式冰区加强设计。根据FSICR规范要求,更新舷侧冰带区域内构件尺寸,并针对艏部冰带区域内船体结构,分别建立了原始的、纵骨架式的和横骨架式的冰带结构设计有限元模型。通过强度计算,认为艏部冰带区新结构满足规范设计载荷要求。在此基础上,单独建立艏货舱冰区舷侧外板板架有限元模型,研究两种新设计形式适用的外板在更大浮冰冲击载荷作用下塑性变形。计算结果表明:纵骨架式结构外板塑性变形明显低于横骨架式。     

卷管铺设过程的时域动力分析

卷管法是海底管道铺设中的一种重要方法,由于其铺设过程涉及很多装备,因而管道的受力过程复杂。管道的上卷过程会使管道发生塑性变形并引起残余曲率,上卷过程造成的变形需要在退卷过程中进行校直,这个过程中的缠绕和校直引起的塑性变形,对管线造成的损伤不可忽视。首先介绍卷管式铺管法的铺设原理,然后利用有限元分析软件ABAQUS模拟管道上卷和退卷的动态过程,最后研究卷管铺设上卷和退卷过程中管道的轴向应变历史和应力应变关系以及管道弯曲曲率、截面椭圆率变化历史。结果表明,管道在经过卷筒、校准器、校直器时产生很大的弯曲曲率和截面椭圆率。     

大比降卵砾石河流防护结构的冲刷深度研究

大比降卵砾石河流河床形态及水流条件特殊,治理难度相当大。当遇到较大的洪水时,堤防工程、公路等临河设施常发生水毁,而关于此类河流的研究成果较少。针对大比降卵砾石河流河床宽浅、滩槽不分、比降和流速大、枯水期水流分散易形成股流冲刷的特点,布置了不同床沙组成、冲刷角度、河床比降及流量的概化模型试验。通过对81组室内试验资料进行单因素分析,得知冲刷深度(Hp)与单宽流量(q)、河道比降(J)、冲刷角度(θ)成正比,与河床质颗粒组成(D)成反比。采用量纲分析法和多元回归分析法得到了冲刷深度的计算表达式。     

海底管道J形铺设张紧器的张紧力计算分析

对海底管道建立微段和整体的力学模型,通过MATLAB编程求解顶部张紧器应提供给管道的张紧力。对比编程计算和Abaquas数值模拟结果,验证编程求解代替软件模拟计算的可行性和便捷性。探讨海域水深、管道入水角度、管重对张紧力的影响,结果表明,增加铺设水深和单位长度管重,所需张紧力增加;而增加铺设角度,所需张紧力相应减小。     

信息技术与《机载计算机控制技术》教学融合研究

信息技术的飞速发展,对高校教育教学产生了重要影响。本文探讨信息技术和学科教学融合的意义,以高职《机载计算机控制技术》为例,探究了信息技术与《机载计算机控制技术》课程教学深度融合的策略,并以此打造高质量的金课,为教育智慧化发展提供借鉴。     

民办院校经济学专业产学研深度融合研究

文章介绍了民办院校的发展历程和现状,分析了民办院校经济学专业产学研深度融合现状及其存在问题,并提出了促进民办院校经济学专业产学研深度融合的路径。研究表明：产学研深度融合对提高民办院校经济学专业教学质量、培养学生的实践能力具有重要意义,但仍存在一些问题,如缺乏深度融合的机制和平台、教师实践经验不足等。因此,需要建立完善的产学研深度融合机制和平台,加强教师实践能力的培养,以提高民办院校经济学专业的教育质量和学生的实践能力。     

基于深度学习的电力负荷短期预测

为做好电网供需平衡,进一步改善电网的社会效益和经济效益,根据负荷数据的时序性特征,利用卷积神经网络的特征提取能力和长短期记忆神经网络捕捉时间序列关系的能力,采用卷积-长短期记忆混合神经网络进行电力负荷短期预测.首先根据历史数据对该模型进行训练,然后使用已训练好的模型进行预测,最后将其预测结果与长短期记忆神经网络预测结果进行比对.两组不同采样间隔的负荷预测仿真结果表明,卷积-长短期记忆混合神经网络相对于长短期记忆神经网络,可以更好地从负荷数据中提取出时序性特征,预测误差较小,精度较高,能够在电力短期负荷预测问题中提供可靠的预测结果.     

职业素养深度融入实训教学的研究与实践——以《汽车检测》课程为例

为了切实推进高校课程思政建设,全面提高高等职业教育教学质量的实施,"坚持育人为本,德育为先"、"重视学生全面发展,推进素质教育,增强学生自信心,满足学生成长需要,关注学生不同特点和个性差异,促进学生人人成才".为了提高职业教育的教学质量,必须准确把握从学生岗位适应能力的培养到学生职业素养培育的这一重大转变,培育学生的职...     

基于Faster R-CNN的接触网吊弦故障检测方法

针对接触网吊弦故障图像样本较少,现有方法检测准确率较低的问题,提出了一种高效率、高准确率的接触网吊弦故障检测方法.以Faster R-CNN模型为基础,通过引入能够提取深层次图像特征并实现特征重用的密集连接卷积神经网络(dense convolutional network model, DenseNet)替代原始的特征提取模块提取吊弦图像特征,并在实验中利用图像旋转、增强等数据变换操作扩充样本集提升检测效果.通过对接触网吊弦图像的测试,以DenseNet为主干网络的Faster R-CNN模型能够检测接触网吊弦故障,检测准确率比原始检测模型提高4%以上,且加入数据变换对吊弦故障检测的准确率和鲁棒性均有显著提升,均值平均精度(mAP)可达98%以上.