G3铜陵长江公铁大桥南锚碇锚固系统施工完成北大核心

2022年11月6日,随着最后一根锚杆的密封材料涂装完成,G3铜陵长江公铁大桥南锚碇锚固系统施工顺利完成(见图1),为下阶段主缆牵引架设及张拉奠定了基础。G3铜陵长江公铁大桥是世界首座双层斜拉-悬索协作体系大桥,大体量、一跨过江的设计对大桥主缆锚碇提出了更高要求。南锚碇为全桥主缆2个固定点之一,采用复合板桩嵌岩重力式基础,基础长75m、宽80m、高15m。锚碇内设置的锚固系统由后锚梁和锚杆组成,为主缆与锚碇连接的关键结构,承担着承上接下的作用,是南锚碇施工中的重要节点之一。     

沃尔沃XC60

测试地点:中国·北京2022款沃尔沃XC60在各个方面都让人比较满意,如果价格优惠力度进一步增大,相信会带来更多购买者上月刚驾驶过2022款沃尔沃S60 B4,今天坐上2022款沃尔沃XC60B5四驱智雅豪华版驾驶位一踩油门踏板就感受到了动力上有了很大提升,毕竟发动机从B4提升到了B5。     

一种高铁CTC进路数据自动测试方法的设计与实现

调度集中系统与计算机联锁接口中的进路数据的测试存在工作量繁重、耗时长以及人为因素易出错等问题,针对该问题提出一种自动测试方法,可有效的解决进路数据的自动测试及测试结果的自动分析,多条高铁线路实践表明,能显著提高调度集中系统与计算机联锁接口的测试效率及数据正确率,使CTC系统产品更安全可靠。     

互联网环境在舰船智能制造中的应用

智能制造是舰船制造业向智能化方向发展的必然之路。随着互联网技术的普及应用,为舰船智能制造发展带来了技术支撑,通过将无线传感网络应用到智能制造的设计、生产和管理的全过程中,可实现对制造环境的全面监控,自动评估制造效率,辅助建立起快速反应机制,以提高舰船制造的智能化水平。本文基于互联网环境分析舰船智能制造架构,提出舰船智能制造中生产系统的具体应用,并以生产线能力评估为例分析舰船智能制造的评估方法,能够有效提高舰船智能制造系统的运作效率。     

无线网络的船舶物流信息优化系统设计

为了解决当前船舶物流信息优化系统工作效率低,无法满足实际应用要求的难题,以提高船舶物流信息优化结果为目标,提出了基于无线网络的船舶物流信息优化系统。首先分析船舶物流信息优化系统的研究进展,找到各种系统的局限性,然后描述船舶物流信息优化系统的硬件组成,通过无线网络实现系统各个模块之间的通信和协调,并分析船舶物流信息优化系统的软件技术,对关键技术进行详细设计,最后与其他船舶物流信息优化系统进行对比测试,结果表明,基于无线网络的船舶物流信息优化效果要明显优于对比系统,克服对比系统存在的弊端,提高了船舶物流信息传输的成功率,具有更高的实际应用价值。     

新型零航速矢量减摇系统研究

针对海洋科研平台、科考船等减摇系统的快速响应性工作需求,在螺旋桨推进器基础上开发了一种零航速矢量减摇系统。本文介绍系统机构设计及其工作原理,结合耐波性计算分析获取船舶横摇规律,采用滑台搭载重物往复移动方式,模拟船舶规则横摇以获得规则波实验条件,并通过船模实验验证该减摇装置作用下的船舶横摇减摇效果。零航速规则波模拟实验研究表明,该减摇装置具有可控性强、易改装的特点,能够大幅提高船舶的耐波性,为后续工程试验船舶上安装该减摇系统奠定理论与实验基础。     

商用车事件数据记录系统（EDR）标准研究

本文分析了国内外商用车事件数据记录系统（EDR）的研究现状，比较了乘用车EDR和商用车EDR在触发机制、数据记录格式等方面的区别。通过针对我国商用车企业的车型配置数据调研，分析了商用车EDR数据记录相关的传感器、主动安全、被动安全等功能的配置情况，提出了商用车EDR标准未来的发展方向。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

基于贝叶斯网络的CTCS-3级列控车载系统韧性

为弥补现有指标的不足，引入韧性作为非常态事件下CTCS-3级（China train control system-3）列控车载子系统运行稳定性的测度指标. 提出了车载子系统韧性量化评估方法，构建了基于贝叶斯网络（Bayesian network, BN）的韧性评估模型，并定义了5种基于韧性的部件重要度指标；进一步利用贝叶斯网络双向推理功能，计算了车载子系统在不同扰动情景下的韧性及部件重要度指标. 研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力，非常态事件扰动下，韧性与可用性指标存在明显差异；不同扰动情景下系统韧性明显不同，扰动发生时，车载子系统面临磁暴影响时的韧性为0.8017，而遭遇雷电时的韧性为0.8819，面临冰雪扰动时的韧性为0.9880；部件重要度存在情景依赖，同一部件在不同扰动情景下重要度排序可能不同，且可能随时间动态变化.