挖掘机定深系统在深中通道沉管隧道减载沉箱基床整平施工中的应用

为解决深中通道西人工岛岛隧结合部E1管节顶部减载沉箱基床整平施工中，因潮位低、流速大、施工条件错综复杂造成的水下人工整平存在的安全风险问题，研究开发挖掘机搭载GPS等自动定位测控系统进行减载沉箱碎石基床整平。该系统通过GPS、双轴倾斜仪计算获得驾驶室的位置、姿态，再通过各个摆臂上的单轴倾斜仪计算获得各个摆臂、挖斗的位置和姿态，以指导驾驶员进行基床整平施工。采用该系统对碎石基床整平后，碎石基床高程验收最大值为+4.2 cm，最小值为-3.5 cm，达到了设计及施工要求，提高了碎石基床整平精度。     

任意桥梁截面自由扭转常数计算的快速方法

计算任意截面的自由扭转常数可采用有限元分析方法,位移法有限元计算出的自由扭转常数比理论值偏大且网格剖分尺寸大小明显影响计算速度。本文从弹性理论圣维南自由扭转问题基本假设出发,针对悬臂梁模型采用基于位移的最小势能原理和基于应力的最小余能原理两种方法,推导势能泛函和余能泛函表达式,并求得泛函的极小值从而推导出相应的有限元方程,得到两种计算自由扭转常数公式。根据推导出的有限元方程,采用三角形单元编写程序进行两种截面的计算并与理论值对比。对比结果表明,采用两种方法计算自由扭转常数并取其平均值作为最终结果相较于采用单一位移法计算其精度大幅提高,两种方法互相参考有利于解决计算结果偏大和计算量过大的问题。     

室内设计中通用设计内容与程序方法的探究

近几年我国城市建设正处于空前高速发展时期,城市中居住建筑是人类生存活动和社会生活必须的物质空间。室内设计的对象就是建筑物的内部,工作内容种类也在慢慢细化,并且范围也在逐渐扩大。室内设计也应该在原有的基础上对设计方法进行探讨和改进,文章通过调查和分析,研究了室内设计的方法,解决了室内设计中重装饰而忽略功能和用户体验等问题,并对该领域提供一些积极建议。     

局部载荷作用下四边固支矩形板弹性解答及其应用

针对局部横向载荷作用下四边刚性固定矩形板,运用能量法推导出板中挠度解答方程组,利用Matlab编程求解,可计算得到任意矩形板尺寸及横向载荷尺寸下弹性阶段的变形,将结果与有限元数值解进行对比,证明了该方法的精确与快速性,并将该公式应用于极地船舶冰区加强区域外板强度的快速校核中。     

一阶逻辑中的扩展子句消去原则

对于一阶逻辑定理证明器，子句集化简一直是必不可少的步骤，这将有助于提高后续一阶逻辑定理证明器的证明效率. 针对子句冗余性的判断，提出了一种评估子句冗余性的原则:集合蕴涵模归结原则. 并且证明了该原则在不带等词一阶逻辑上的可靠性，根据该原则删除子句，不会影响原始子句集的不可满足性或者可满足性. 此外，依据该原则提出了两种新型的一阶逻辑预处理方法:集合归结包含消去（set resolution subsumption, SRSE）方法和集合归结不对称恒真消去（set resolution asymmetric tautology elimination, SRATE）方法，并证明了这两种子句消去方法在不带等词一阶逻辑子句集上的可靠性. 最后在理论上比较了SRSE方法和归结包含消去（sesolution subsumption elimination, RSE）方法以及SRATE方法和归结不对称恒真（sesolution asymmetric tautology elimination, RATE）方法之间的有效性，结果表明SRSE方法和SRATE方法分别比RSE方法和RATE方法更为有效.      

迈腾B8电动后视镜控制系统的检测方法

鉴于现代轿电动后视镜控制系统功能繁多、结构复杂,故障排除难度较大。以迈腾B8电动后视镜控制系统为研究对象,通过分析其线路图工作原理,进而重点分析了后视镜转换开关EX11信号的检测信号和后视镜左右调节电动机V17控制电路的工作过程、常见故障与检测方法。结果表明:通过该检测方法能够有效地排查出该控制系统常见故障,并能够为其他车型控制系统提供规律性参考。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。