列车荷载在双块式无砟轨道中静态传递特征研究

为研究列车荷载在双块式无砟轨道中的传递规律,建立列车荷载静态传递规律精细化分析模型,分析荷载在双块式无砟轨道中的传递路径、范围及影响因素.研究结果表明:荷载在双块式无砟轨道中的传递分为上下2部分,道床板内为荷载扩展区,扩散角为20°左右,支承层内为荷载均化区,荷载分布已较为均匀;荷载传递范围及量值均随动力系数的增加而显著增大;混凝土强度等级增加,荷载扩展区承载范围减小;下部基础为桥梁或隧道时,荷载均化区分布范围更为集中,可以适当提高支承层内混凝土强度、优化宽度来提高轨道结构合理性和经济性.     

新型明桥面轨枕板式无砟轨道结构参数研究

钢桁梁桥由于其承载性能好和跨越能力较强等优点,在大跨度铁路桥梁中被广泛采用。但大跨度钢桁梁桥具有跨中挠度大、梁端转角大和温度变形敏感等特点,为了减小大跨度钢桁梁桥二期恒载、适应桥梁变形特性,在大跨度钢桁梁桥上采用新型明桥面轨枕板式无砟轨道结构。以南沙港铁路某大跨度钢桁梁桥铺设新型明桥面轨枕板式轨道为背景,采用有限元法建立大跨度钢桁梁桥上轨枕板式无砟轨道结构计算模型,研究了轨枕板结构参数对轨道受力与变形的影响,确定轨道结构的合理尺寸与参数。结果表明:轨枕板的外形尺寸直接影响其受力和变形特征;板下垫层的厚度对垫层的受力特性的影响较大;建议南沙港铁路某大跨度钢桁梁桥上采用具有2组承轨台、宽度为2800 mm的轨枕板,轨枕板厚度为280 mm,板下垫层厚度为120 mm。     

赤泥掺量对水泥稳定碎石基层性能影响

为大规模利用拜耳法赤泥，将其作为砂石应用到公路基层，研究其掺量对水泥稳定碎石赤泥基层性能的影响。结果表明：最佳含水量随着赤泥掺量的增大而增大，最大干密度随着赤泥掺量的增大而降低，7 d和28 d无侧限抗压强度随着赤泥掺量的增加先增大后降低；综合考虑后选定配比：水泥∶碎石∶赤泥为5∶60∶35。1 km的水泥稳定碎石赤泥基层比相同水泥掺量的水泥稳定碎石基层节省造价839 544.5元。因此，赤泥可作为砂石在公路基层中大规模应用。     

电信行业改革实践及其对铁路网运关系调整的启示

我国电信行业与铁路行业同为国有资本控制的重点行业,且都具有以庞大、成网、固定成本高昂为特点的基础设施,电信业的改革历程可为我国铁路改革提供经验借鉴。本文将我国电信业主要改革历程归结为业务分割、区域分割、业务整合、网运分离四个阶段,指出我国电信业改革属于典型的问题导向路径,借鉴电信行业改革经验可知,在我国铁路网运合一模式下,"业务分割"与"区域分割"两种网运关系调整模式不能有效打破垄断,我国铁路应积极探索"统分结合的网运分离"改革路径。     

多特征融合的级联回归人脸对齐方法研究

深度神经网络技术在人脸识别方面已经取得了巨大进步,但是大多数方法只是运用人脸深度特征而并没有分析哪些特征是有效的.为了探索针对人脸识别任务的有效结构化特征,提出了基于多种特征级联回归方法的人脸关键点检测模型,将两两关键点对应的人脸局部特征对之间的结构关系、整张人脸图像的全局表观和关键点对应的局部热图这3种人脸特征融合之后用于人脸对齐任务.实验证明,多特征级联回归法与记忆下降法相比,人脸对齐任务错误率下降了30.17%,与最新的一些人脸对齐模型具有一定的可比性.     

更正声明

本刊2014年11卷第四期(总第64期)正文第2页,右栏第18行,原文公式(1)是“S=1-D=1-(1-R)d=Rd”,现改为:“S=1-D=1-(1-R)d=1-d+Rd”。正文第2页,右栏第19行,原文是“从公式(1)可以看出,这类系统的安全性完全同系统的可靠性成正比”,现改为:“从公式(1)可以看出,当d确定时,这类系统的安全性与系统的可靠性成正相关关系”。     

汽车电子标识技术优势及应用前景分析

汽车电子标识作为汽车的"身份证",是无源射频识别技术在交通物联网领域的应用。《机动车电子标识安全技术要求》等六项国家推荐性标准的正式实施以及国内外广泛的应用试点,使得该技术在我国全面推广、应用变得愈发现实。本文阐述了汽车电子标识的系统构架、工作原理、应用现状,通过技术路线、技术对比两个层面的分析阐述了汽车电子标识的技术优势,并基于此对于汽车电子标识的应用前景进行展望。在感知层,汽车电子标识将与视频检测技术有机结合,构建"射频+视频"等具备更高稳定性、可靠性的信息采集体系。而在应用层,汽车电子标识将提升涉车应用的实现水平,为假、套牌等顽固问题提供了解决方案,为诸多潜在应用的实现提供可能性。     

单桩荷载与沉降关系曲线的神经网络预测方法

本文提出了一个预测单桩荷载-沉降关系曲线的BP神经网络模型。该网络模型包含两级网络，第一级网络以桩长、桩径、桩侧土层的分布情况，桩侧与桩端土层的物理力学指标为输入元，来先预测出单桩的极限承载力及其对应的极限沉降；第二级网络以第一级网络的输入元和输出元作为其输入元，进一步预测各分级荷载下桩的沉降。实际预测精度一般能达到15％以内，且稳定性较好，表明神经网络模型略优于通常的经验公式方法和数值方法。