摘要：通过对高速公路路面工程施工质量进行控制,能在一定程度上提升高速公路路面工程施工的整体水平。论文分析了影响高速公路路面施工质量的主要因素,提出一些提升高速公路路面施工质量的策略,进而推动我国公路事业的创新发展。

摘要：本文研究了非线性相位响应的奈奎斯特第一准则滤波器 (NF1’s)的设计方法 在此理论基础上 ,提出了一种在有或无匹配滤波器情况下 ,奈奎斯特第一准则通用滤波器的设计。

摘要：针对一座波形钢腹板组合箱梁部分斜拉桥的受力需求,设计了带栓钉埋入式抗剪连接件。为研究其抗剪承载力,设计并开展了推出试验并进行了试验全过程的有限元模拟,对试验过程中试件的破坏及受力机理进行分析;随后根据该类型连接件的承载机理及受力特点,建立了承载力的近似计算方法。结果发现:对于该带栓钉埋入式抗剪连接件,当栓钉焊接在连接件波形板的直板外侧时,其承载力高于在内侧焊接的情形;当开孔位置位于直板、上折板与下折板时,其承载力依次降低;连接件波形板的上折板荷载-位移曲线存在明显的强化阶段,而下折板几乎不存在强化阶段,直板处荷载-位移曲线特征介于二者之间;另外,该类连接件混凝土开裂及主裂缝均在荷载水平达到0.8倍极限承载力以后形成发展的。所建立的推出试验全过程有限元模拟方法能够准确模拟试验过程中试件的受力行为,并能够诠释栓钉焊接位置、开孔位置对抗剪承载力的影响以及试件破坏机理;基于推出试验与有限元模拟分析,分析可得该类连接件承载力主要由波形板包裹的混凝土与约束钢筋所形成的块连接件、开孔内混凝土剪力销以及栓钉提供,随之建立的抗剪承载力近似计算方法分析结果与试验结果相对误差不超过8.93%,与有限元模拟结果相对误差不超过5.47%,具有良好的适用性。

摘要：针对火炮供输弹系统故障信号所提取出的特征参量冗余复杂而导致故障类型不易识别的问题,设计一种基于蚁群优化支持向量机(ACO-SVM)的机械故障诊断方法。对信号进行特征提取得到信息熵,再采用ACO-SVM算法对其进行优化约简和故障诊断,并与支持向量机算法进行对比。结果表明:ACO-SVM算法具有更高的准确率,且准确率高达95%。

摘要：随着Internet的迅速发展和普及,基于Web技术的B/S(Browser/Server)模式管理信息系统开发成为热点.基于B/S模式的管理信息系统比C/S(Client/Server)模式的管理信息系统有许多优点.本文阐述了基于B/S模式下的高校招生考试管理信息系统的设计方案与实现技术.通过实践证明该系统具有良好的安全、可靠性和易于维护及扩展等特点.

摘要：对于供输弹系统早期故障信号非线性、非平稳、故障信息易被湮没难以识别的问题,提出了基于优化k值的变分模态分解(VMD)和矩阵分形的早期故障识别方法。首先计算不同k值下相对能量比值μ的大小,选择与较小μ值对应的k作为分解层数并对分解结果进行检验;然后通过计算VMD分解后得到的各工况信号IMF的广义维数,构建每种工况的分形矩阵;最后计算样本信号与待测信号分形矩阵的相关系数,确定待测信号的工况。结果表明该方法能对供输弹系统早期故障进行有效识别。

摘要：早晨．推开窗子．一阵凉爽的秋风卷着几片黄灿灿的秋叶向我飘来。啊，秋天到了!

摘要：为建立混凝土桥梁构件的概率极限状态评估方法,借助等超概率原则分析我国在役桥梁构件评估周期及评估基准期,引入个体风险准则、社会风险准则、生命质量指标及成本优化方法确定构件运营阶段目标可靠指标,分别考虑非平稳及平稳概率模型进行荷载效应及抗力评估值确定,基于可靠度理论开展运营阶段评估分项系数校准,并以一座在役桥梁为例进行算例分析。结果发现:考虑我国在役桥梁运维实际情况,构件评估周期、评估基准期可分别取为6年、10年;对于一级、二级、三级延性破坏构件,评估目标可靠指标分别建议为3.37、3.13及2.85;采用一般运行状态或密集运行状态下平稳车辆荷载效应模型进行评估时,评估标准值可分别取为设计汽车荷载效应的0.705倍及0.805倍,考虑非平稳车载过程进行评估时,可在连续非平稳过程离散化的基础上,引入动态广义极值模型确定评估基准期内荷载效应最大值分布,并以0.95分位值作为评估标准值;对于重要性等级为一级的延性构件,恒载效应及抗力评估分项系数分别建议为1.056与1.194,一般运行状态与密集运行状态汽车荷载效应评估分项系数建议值分别为1.081与1.054,研究成果可为现行桥梁构件安全评估方法修订提供参考。

摘要：针对采集的供输弹系统测试信号成分复杂,故障难以识别问题,提出一种基于固有时间尺度分解(ITD)与粒予群优化支持向量机(PSO-SVM)的供输弹系统故障诊断方法。首先在时域内使用ITD方法对信号进行分解,对分解产生的分量进行相关系数计算,然后选取与原始信号相关系数大的前5层分量进一步验证在频域内ITD方法的有效性,在频域内提取前5层分量的样本熵值,最后将提取的样本爛值用PSO-SVM对供输弹系统故障进行故障诊断,并与支持向量机(SVM)的诊断结果进行对比,结果表明:PSO-SVM相对于SVM可以提高故障诊断的正确率,正确率高达92.31%。