基于迁移的SIR模型的行人违章过街传播过程研究

针对城市中普遍存在的红灯期间行人违章过街现象,建立了具有迁移的SIR模型,对行人违章过街的传播机理进行分析,并通过采集大连西安路人行横道处红灯期间行人违章数据,应用最小二乘法对模型的参数β和γ值进行估计,进而对建立的具有迁移性的SIR模型进行参数灵敏度分析,得到违章过街人数的变化趋势,以此提出减少行人违章过街人数的有效措施。     

一种SAP通用数据转换平台的设计与实现

为有效解决SAP(System Applications and Products)项目中存在的数据异构问题,满足用户对数据转换的准确性和高效性的要求,基于Java语言设计一种SAP通用数据转换平台。通过分析开展SAP项目过程中遇到的数据量庞大、数据的颗粒度不统一和系统的操作性较差等问题,阐述数据转换平台的设计需求,在此基础上分析该平台的总体框架、设计思路、数据处理模型和重要功能。实际应用结果表明,该平台能在满足数据字段准确性要求的同时,兼顾数据处理的效率,且具有良好的可操作性、实用性和可推广性,能为同类型项目中海量数据的高效、快速转换提供参考。     

南宁市心圩江下游污水处理厂设计要点

地埋式污水处理厂主要布局形式有全地下式、半地下式及地坪式。南宁市心圩江下游污水处理厂为典型的半地下式污水处理厂,文章分析了其工艺设计、平面设计、竖向设计、管线综合设计、通风除臭设计及防火设计,以期为类似工程提供参考。     

顶管法在城市中心轨道交通施工中的应用

随着城市轨道交通网络的逐渐完善,城市核心区轨道交通地下车站建设与周围环境之间的矛盾异常突出,亟需探索新的保安全、少搬迁、轻影响的施工方法,为极复杂环境下地下车站施工提供技术储备。以福州市城市轨道交通4号线一期工程凤凰池站4号出入口过街通道,金牛山站2号、3号出入口过街通道、省立医院站—东门站（原塔头站）区间工程为实例,探索顶管法在城市中心轨道交通施工中的应用。详细介绍了三个过街通道和一个渡线段工程的周边环境、工法比选、施工重难点、周边环境保护措施,经工程实践,该工程达到了减小占用场地、降低施工对城市环境影响,并控制地面和管线变形的施工要求,实现了绿色、环保、安全的目标。     

海上漂浮式输油管线内部流体流速引起管线变形的研究

通过对海上漂浮式输油管线进行受力分析,建立其内部流体流速变化对管线作用的数学模型.利用ADINA软件,采用流固耦合方法,对DN100野战输油管线进行了分析,研究了管线的变形情况,并将其与理论计算结果进行了比较,验证了该模型的可行性.     

大面积地表荷载作用下的埋深管线的应力分析

当地下埋深管线两侧受到不同的附加压力时,由于压差的存在使管线发生了弯曲变形。弯矩的产生可能导致管线的破坏。根据埋深管线的受力特点,采用弹性地基梁的短梁初端参数法对渤西管线的应力进行了分析。根据管线的埋深条件对边界条件进行了正确的处理,求得了管线的位移,弯矩及剪力方程,并绘制了位移,弯矩及剪力方程曲线,曲线之间具有一一对应的关系,计算的结果表明了对边界处理的正确性及理论选择的合理性。     

城市地下“血脉”的健康发展分析——综合管沟与常规市政管线建设的浅谈

城市地下管线是城市建设的组成部分。由于各类管线的无序发展,竞相争夺着有限的地下空间,给城市的发展带来了诸多问题。建立地下城市管道综合走廊（综合管沟）,能够适应新的社会、经济形式,有效的解决城市地下管线无序的问题。     

城市道路地下综合管线设计探讨

该文结合洛阳新区城市道路地下综合管线设计实际经验,通过对城市道路地下综合管线横断面设计、平面设计和竖向设计原则等提出相应的建议,可供类似工程参考。     

红外及数据库技术在热网管线监管中的应用

近年来,红外热成像技术在石化行业得到了广泛的应用,如热设备的损伤评估、保温评估等,但对于热设备的保温效果始终没有一套统一的评估标准和方法。一般地,石化行业热网管线的检测与评估需要记录并管理大量数据。数据库能够快速存储大量数据,利于数据的规范化管理,但在热网管线方面的检测与评估应用不多。基于分析提出将数据库技术与红外检测技术相结合,描述了一套实用的热网管线的检测与评估方法,为热网管线的监管与数据库技术的应用开辟了一条新的道路。     

基于多尺度卷积类内迁移学习的列车轴承故障诊断

考虑变工况下列车轴承振动数据分布不一致情况下, 传统深度学习诊断模型的泛化能力下降, 提出了一种多尺度卷积类内自适应的深度迁移学习模型; 模型利用改进的ResNet-50网络分析振动数据的频谱, 得到了中间层次特征, 构造了多尺度特征提取器, 从不同尺度处理中间层次特征得到高层次特征; 将高层次特征作为分类器的输入, 同时计算了伪标签以缩短在不同工作条件下收集的振动信号的条件分布距离来进行类内匹配; 为了验证模型的通用性和优越性, 将提出的模型分别用于列车轮对轴承数据集和凯斯西储数据集的多个工况进行试验验证和分析。研究结果表明: 通过对齐不同域中同一类样本的高层次特征作为分类器的输入, 提出的模型获得了更为理想的故障诊断精度; 在列车轴承6个变工况诊断实例中, 平均诊断精度为90.75%, 与传统深度学习模型相比, 模型诊断精度平均提高了约10%, 召回率为0.927;在凯斯西储数据集的12个变工况诊断实例中, 模型平均诊断精度达99.97%, 比传统模型提高约10%。可见, 利用伪标签减小了不同域之间的条件分布差异, 很好地处理了源域和目标域数据分布不一致的问题; 多尺度特征提取器能从不同尺度对齐样本的高层次特征, 增强了模型的泛化性与鲁棒性, 是解决变工况列车轴承故障诊断问题的一种有效模型。