考虑围岩蠕变特性的TBM隧道管片衬砌受力特性研究

为研究深部高地应力岩层中修建TBM隧道时管片衬砌结构的力学行为,以某深埋TBM工法隧道为研究对象,建立基于围岩蠕变和管片分块效应的衬砌-围岩复合模型,研究考虑时间效应下管片衬砌的受力特性。结果表明:考虑围岩蠕变效应下管片衬砌受力表现出明显的时间效应。随着围岩蠕变时间的延长,管片衬砌的形变、内力和接缝张开量均呈现两阶段增长,具体表现为前期呈线性增长,后期增加趋缓。洞周围岩应力经历三阶段变化,即先减小后增大直至稳定。围岩蠕变时间为100年时,管片衬砌的内力和形变量均接近极限值。研究结果可为深部高地应力且考虑围岩蠕变效应下的TBM隧道衬砌结构设计提供参考。     

A high order linear model for the prediction of internal lee waves at the main sill of the Strait of Gibraltar

A linear theory for the physical fields in the water column under the action of large amplitude internal lee waves at the main sill of the Strait of Gibraltar is developed. The procedure is a combination of the perturbation and normal modes methods in order to study steady resonant conditions. The lowest order linear approach of the methodology resumes the Taylor–Goldstein equation, which can reconstruct the main features of the observed fields but the high order approach gives the finest structure and sometimes the largest contributions. The role of the non-linear terms is investigated up to the second order taking into account the non-linear interactions between modes, leading to an effective reconstruction of the whole water column for the velocity field.     

应用对象语义进行图像检索的新方法

为了降低图像高层语义与低层视觉特征之间的语义差异,本文以对象描述模型为基础,提出利用机器转换模型获取图像高层语义的方法。本方法首先利用图像分割技术对图像进行分割,然后利用机器学习的方法,得到训练样本集中高层语义与分割后低层视觉特征之间的先验概率关系;在查询的过程中,利用得到的先验概率模型计算与高层语义所对应的最大概率视觉低层特征,最后利用该低层特征进行检索,达到缩短高层语义与低层特征之间的语义差异的目的。在一个拥有5000幅图像的图像库上所做的测试结果表明了该方法的有效性和可行性,同时该方法也为解决图像高层语义与视觉低层特征之间语义的矛盾开扩了思路。     

计算机专业课程改革的基本设想

详细介绍了计算机专业课程改革的方案及其实施，进一步提出了教学改革的几点启示．     

现代企业内部控制环境浅析

内部控制环境是现代企业内部控制的首要要素,文章首先分析了影响现代企业内部控制环境的因素,然后提出了完善现代企业内部控制环境的建议与措施。     

“教学做合一”教学模式在汽车维修专业课教学中的实践

随着我国中等职业教育的发展与普及,学校对于学生的成绩要求降低,这也就在一定程度上导致所招收的学生综合素质能力水平不足。而在学习过程中,由于学生的学习基础较差、学习兴趣不足,影响专业技术的教学,不利于中职院校课堂教学的发展与进步。要想当前对教育教学形式,满足老师老师的教学需求,就要对中职院校的教学模式进行改变与创新。而"教学做合一"的教学模式能够通过实践活动、以学生为教学中心,引导学生主动参与到课堂教学当中,有效的提高课堂教学质量与效率。本文通过对"教学做合一"的教学模式的内涵和特征进行分析,进一步进行"教学做合一"教学模式在汽车维修专业课教学中的探索与实践。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

内燃机振动动力式主动吸振器的研究

振动主动控制技术具有减振效率高，有效减振频率范围度，反应敏捷等优点，在机械振动领域具有广泛的应用前景。在一台四缸柴油机上进行振动主动控制的研究，使用主动控制技术控制动力吸振式的频率，使其能足够发动机的主动振动频率，并保持最佳状态，从而有效地抑制发动机的振动。