TSP系统在隧道工程施工地质预报中的应用和发展

TSP是瑞士Amberg测量技术公司专门为隧道施工地质超前预报而设计的地震探测仪器。该系统从数据采集、处理和成果解释及评估高度智能化，其特点是：预报距离大（隧道掌子面前方至少150m），无须利用掌子面，对隧道施工妨碍小，易于操作和快速评估。通过TSP的探测，能够提前了解到掌子面前方围岩的地质情况，为施工及确定合理的支护参数提供依据，确保隧道施工安全和质量。介绍了TSP系统在隧道施工地质超前预报中的应用事例及其技术的发展。     

人工神经网络在路堤沉降预测中的应用

以人工神经网络法为主，研究了多因素条件下的沉降预测问题，同时与浅岗法和S型曲线法这2种在近几年推广应用的预测方法进行了对比。结果表明，3种方法预测的最终沉降大体相近，它们之间的区别在于人工神经网络法预测的沉降较大（同时更接近实测值）；S型曲线法较小；浅岗法居中。由于神经网络是用实测数据直接建模，少了人为干扰因素，并且偏大的数值对工程来说是偏于安全的，所以选用人工神经网络预测沉降比较适宜。     

福宁高速公路声环境探讨

通过对福建省福鼎宁德段高速公路声环境现状的调查研究,采用类比分析的方法,确定其沿线所要保护的声环境敏感点,合理科学预测交通噪声对声环境的影响,提出减轻噪声污染的若干措施。     

用MATLAB计算发动机悬置系统的固有频率和主振型

介绍了计算发动机橡胶悬置系统固有频率和主振型的过程,利用MATLAB编程并验证程序的正确性。通过程序的运行,能快速获得悬置振动系统的固有特性,为设计人员判断悬置系统是否会发生共振提供理论依据,也为进一步分析系统的响应打下了必要的基础。     

汽车变速器磨损轴承振动信号混沌行为分析

本文首先讨论了判断时间序列具有混沌性态的准则，探索了求时间序列奇异吸引子嵌入维数的方法，并用Ｇ－Ｐ算法求关联维数，在尝试用几个传统的奇异吸引子验证了该方法的正确性之后，将它应用于计算一组变速器磨损轴承加速度振动信号的分形维数，计算表明，变速器振动信号具有分形特征，在其它条件不变时，轴承技术状况与振动信号的分形维数密切相关，它们均在２维与３维之间，随着轴承磨损加剧，它向３维逼近，当样本点达到一定数目     

动力总成悬置元件特性对整车振动的影响

本文建立了轿车整车动力学模型，通过仿真计算和实车测试分析了怠速工况下液压悬置和橡胶悬置元件对整车振动的影响。试验测试结果与理论计算结果基本吻合，证明所建模型与分析方法是正确的，可用于分析轿车动力学问题。     

里双桥重建工程道路改建方案设计

合理的横断面形式、平纵线形指标、路基路面设计是城市道路改建中的关键。结合苏州老城区道路改建项目,针对现状建设条件、交通量预测结果,推荐采用三块板断面布置形式。通过拆除原侧分带、压缩非机动车道形式,使现状双向四车道实现双向六车道,同时新建侧分带保留了四排绿化,充分考虑了老城区道路绿化景观需求。拓宽新建段一般路基设计采用20 cm C20混凝土处理,路面设计根据现状弯沉值推荐了两种方案,为城市道路改建工程提供经验参考。     

数据处理方法在路堤工后沉降预测中的应用

介绍了3种预测路堤工后沉降的模型及求解方法，并应用于工程实例中；把3种方法得到的结果与实测结果相比较，指出各种方法各有优点，各有其适用情况。     

轭式简谐轮振荡系统应用于超精研装置的研究

本文所研究的用于超精研装置的轭式简谐轮振荡系统的突出优点是两个振子在轴上对置,质量平衡,能赋予超精研油石以光滑、连续、平稳的简谐振动,且同时装有6块油石,加工效率高,适用于超精研大型圆筒工件的外表面.     

Multi-step prediction of experienced travel times using agent-based modeling

This paper develops an agent-based modeling approach to predict multi-step ahead experienced travel times using real-time and historical spatiotemporal traffic data. At the microscopic level, each agent represents an expert in a decision-making system. Each expert predicts the travel time for each time interval according to experiences from a historical dataset. A set of agent interactions is developed to preserve agents that correspond to traffic patterns similar to the real-time measurements and replace invalid agents or agents associated with negligible weights with new agents. Consequently, the aggregation of each agent’s recommendation (predicted travel time with associated weight) provides a macroscopic level of output, namely the predicted travel time distribution. Probe vehicle data from a 95-mile freeway stretch along I-64 and I-264 are used to test different predictors. The results show that the agent-based modeling approach produces the least prediction error compared to other state-of-the-practice and state-of-the-art methods (instantaneous travel time, historical average and k-nearest neighbor), and maintains less than a 9% prediction error for trip departures up to 60 min into the future for a two-hour trip. Moreover, the confidence boundaries of the predicted travel times demonstrate that the proposed approach also provides high accuracy in predicting travel time confidence intervals. Finally, the proposed approach does not require offline training thus making it easily transferable to other locations and the fast algorithm computation allows the proposed approach to be implemented in real-time applications in Traffic Management Centers.