摘要：近年来,珠江三角洲数座通航桥梁遭受船舶撞击,导致交通中断。针对上述现象,对实际船舶撞击桥梁事故现状进行调查分析,结果表明:珠江三角洲多数高速公路的通航桥梁,其航道实际船舶通航吨位超过原航道设计等级的现象十分普遍,由此导致近年来高速公路通航桥梁受到船舶撞击、出现损毁事故的情况比较频繁。针对上述情况,提出了采用复合材料护舷、钢套箱+钢管砼桩、砼格栅以及阻拦网等防船撞措施,并通过有限元模拟分析手段,给出了具体的桥梁防撞建议。

摘要：我国沿海地区海涂资源丰富,但由于沿海降雨较多且海涂坡面土质松散,坡面极易产生降雨径流侵蚀,这导致海涂沟渠等工程坡面水土流失严重、淋洗困难。通过室内模拟降雨试验,研究在不同雨强下不同措施坡面的产流特性。结果表明:(1)不同措施坡面的初始产流时间均与降雨强度显著负相关,在50 mm/h雨强下,延缓坡面产流的效果依次为淋洗坑>淋洗沟>耐盐草被覆盖,在100、150 mm/h雨强下,延缓坡面产流的效果依次为淋洗沟>淋洗坑>耐盐草被覆盖。(2)不同措施坡面的产流过程具有同步性,在未发生坍塌时产流强度随细沟的发育而增加,待细沟发育成熟后产流趋于稳定,当坡面发生坍塌时产流强度短时间内激增后回落。试验对比发现,耐盐草被覆盖可以明显改善海涂坡面的稳定性。

摘要：随着我国城市化速度的加快,以及中心城区内可开发空间的限制,城区建筑物数据的更新基本集中在立面变化的更新和维护。而这些中心城区建筑物的周边环境复杂、测量可用空间不足,不易使用传统测量或无人机倾斜摄影等方式进行相关测绘。针对这些建筑物测量的局限性以及相关城市管理部门对其立面数据的迫切需求,本文采用基于多基线-数字近景摄影测量方法,通过构建建筑物立面正射影像图,最终提取其数字线划图。实验证明,该方法可快速、有效地获取建筑物立面正射影像和数字线划图,为城市设计管理部门提供重要的数据支撑。

摘要：为了克服传统关联规则在解决钢铁工业泛在信息多样性、模糊性和层次性方面的不足,在传统的层次型关联规则挖掘算法基础上,建立层次间的模糊隶属度关系,并引入加权扩展,设计了一种加权模糊层次关联规则算法,并将该算法应用于冷轧带钢生产过程缺陷与缺陷形成原因的关联关系挖掘中。试验表明,该算法不但可以挖掘出缺陷之间的关联关系,同时还能挖掘出不同缺陷与其对应的不同缺陷形成原因之间的关联关系,弥补了传统挖掘算法只能挖掘同种类别数据之间关系的不足。

摘要：提出一种新的基于循环二阶统计量的盲均衡算法。通过对信道输出信号进行过采样,建立单输入多输出信道模型。由于过采样等效信道矩阵具有特殊结构,使得仅仅根据零延迟时的协方差矩阵所包含的信息就能实现信道估计,根据不同延迟下的协方差矩阵也可求得不同时延的均衡器矩阵,然后用最小均方误差MMSE准则来优化均衡器得到最佳延迟协方差矩阵。仿真结果表明了该算法的有效性。

摘要：近几年,游戏教学法在我国高等教育中逐步得到发展,特别是在法语听说课堂上,游戏教学法以其趣味性、较高的参与度和新型的教育观念吸引了诸多法语教师的注意力。本文旨在通过对游戏教学法意义、作用以及游戏选取原则的论述,使更多的法语教师了解这种教学方式并认识到它对听说教学的意义,以便更好地将它应用于法语听说教学的课堂上。

摘要：对细长轴切削加工中所涉及数据进行了系统归纳分析,建立了细长轴加工的专家系统知识库结构和相关推理规则,设计了细长轴切削数据库的数据结构,开发了针对细长轴类零件的切削工艺数据库系统,整合细长轴切削加工中的各种数据,为工艺设计人员和生产现场的技术人员提供细长轴的切削经验和切削参数参考,以提高设计人员的工作效率,减少资源浪费,降低生产加工成本。

摘要：食品的高压与低温协同处理是近年来发展的一种新工艺。以黄花鱼为实验原料,进行了高压辅助冻结、高压转移冻结、高压诱导冻结以及高压辅助解冻过程的超高压与低温协同处理的实验研究,考察了经超高压与低温协同处理作用对鱼肉品质和微生物灭活情况的影响。研究结果表明,该工艺相比于常规冷冻与解冻具有明显优势,其中以高压转移冻结的效果最为明显;鱼肉品质得到提高、质地和微观组织得到改善,并且汁液损失减少,同时对微生物的灭活也有显著的作用。

摘要：全光混沌因其结构简单,混沌信号具有类噪声、不可预测等特点被广泛应用于保密通信领域和真随机数发生器领域。文章提出利用特定色散曲线的相位作用与激光器的内外腔的非线性效应来平坦化混沌信号的频谱,从而实现高带宽的混沌信号,同时能够在一定程度上减弱混沌信号的内在相关性。首先搭建了传统的全光混沌结构,分析其频谱特征,然后在该系统结构的外腔环内通过色散补偿器件引入了所设计的特定色散曲线,最后对比分析了不同色散曲线情况下对全光混沌信号频谱的影响。实验结果证明了该方案能够展宽全光混沌信号的频谱。

摘要：准确的预测城市道路未来车速情况能够帮助解决城市交通拥堵问题.道路的车速受到许多因素的影响,例如天气、节假日、区域位置等等.为了准确预测道路的未来车速,本文提出一种基于深度学习和时空特性的方法来预测道路的车速.首先设计了一个端到端的神经网络结构,采用长短期记忆网络(LSTM)网络来处理具有时空特性的道路车速信息,然后结合神经网络中的全连接层来融合对车速产生影响的多种因素,最后采用成都市某条道路的实际数据来进行了实验.实验结果表明,本文提出的车速预测方法其预测精度优于目前常用的4种方法.