松动圈理论在冬瓜山采矿巷道支护设计中的应用

基于深部巷道工程由于其复杂的赋存条件和应力环境使得浅部工程的支护技术和方法不能满足深部巷道工程的需要,采用松动圈理论对冬瓜山采矿巷道进行支护设计。通过对松动圈支护理论及松动圈测试进行研究,将不同地方围岩破坏情况(松动圈值)分为松动圈基准值(Lp1)和关键点松动圈值(Lp2),作为支护参数设计的量化指标,对巷道不同地方采取有区别的支护。将其运用于深部采矿巷道支护工程实践,通过现场位移监测验证了松动圈支护技术在深部工程应用中的合理性。     

地下洞室群开挖过程的有限元模拟方法研究

针对开挖顺序和施工过程对地下洞室群稳定性的影响,探讨了地下洞室群开挖过程的有限元模拟方法。在重点解决有限元模拟开挖过程的关键技术问题(如释放荷载的计算和开挖模拟的有限元实施方法等)的基础上,结合某工程实例,并综合考虑施工条件,提出了合理的开挖顺序,具有一定的理论意义和工程实用价值。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.     

我国城市防洪排涝地下深隧规划设计与施工方法

为了建设符合中国国情的地下排水深隧,解决城市内涝问题,消除"城市看海"现象,采用调研分析的研究方法,通过调研国外城市排水深隧建设的成功案例,借鉴成熟经验并结合我国国情探索出我国城市排水深隧在规划设计、施工技术等方面的建设模式。主要结论如下:1)深隧规划必须坚持雨污分流原则,防涝标准应设为百年一遇;2)深隧层位应建于地下30~50 m的位置,隧道管线应布设在城市易涝区,并且将修建深隧、改造浅管和清淤河道衔接起来,形成一套完整的防洪排涝系统,让深隧的作用得以充分发挥,才能解决城市内涝问题;3)排水深隧要注重防水设计,防止雨水污染地下水;4)为提高深隧的经济效益,应将深隧与地下快速路的规划结合起来,功能上多样化。     

海底埋设管线平管起吊运动分析

基于有限元软件OrcaFlex,充分考虑不规则波浪、海流、管土相互作用以及船舶管线耦合运动,建立海底埋设管线平管起吊模型。参考DNV-RP-F110计算埋深管道受到的土壤阻力,依据DNV-RP-C205确定相关水动力系数。通过数值模拟研究分析管线在平管起吊过程中管道的运动响应以及吊绳张力的时间历程变化,为实际海底管线平管起吊提供一定理论参考。     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于改进LSTM-NN的安全性自动驾驶换道轨迹规划模型

为改善现有的自动驾驶换道轨迹规划模型产生的换道轨迹与真实的换道轨迹存在较大偏差的问题,提出了一种改进LSTM-NN的安全敏感性深度学习模型,该模型可以缓解当前自动驾驶轨迹规划存在的不足,输出轨迹既保证了较高的精度又提高了安全性。CarSim仿真软件模拟了本模型产生轨迹的可跟踪性,结果显示轨迹非常平滑,并且自动驾驶车辆可以高效、安全地完成换道。     

高速铁路深厚软土地基物理力学特性分析及沉降控制

为研究东北地区高速铁路软土地基路基物理力学特性及其沉降控制方法,通过物性参数试验、无侧限抗压强度试验、直接剪切试验以及固结试验等,并结合工后沉降检算,提出适用于该片区的地基加固手段.研究表明:(1)研究区域软弱夹层分布在地表8 m以下,厚度为4～8 m,液性指数随深度逐渐下降,在14 m处降至最低;(2)0～8 m深度...     

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...