稀浆封层路面层间黏结性能试验研究

为了对稀浆封层层间黏结性能进行评价,自行设计了以改进的剪切仪为基础的试验方法,能较好地模拟路面真实受力情况.试验结果说明,随着温度的升高,稀浆封层与沥青碎石下面层之间黏结强度在减小;不同的路面层间处理措施对黏结强度均有明显的影响;采用较大公称粒径的沥青混合料,或者对路面做凿毛处理均可以有效提高层间黏结强度.     

城乡结合部道路交叉口多目标信号配时优化模型

随着我国城镇化进程的加快,城乡结合部道路交通问题日益显著。为提高城乡结合部道路交叉口的交通运行效率、环境效益和交通安全,提出信号配时多目标优化方法,综合考虑延误、通行能力、停车次数、车辆尾气排放等因素构建模型,运用遗传算法进行求解。以某典型交叉口为例进行分析,给出改进设计方案并进行交通仿真评价。研究结果表明,通过多目标信号配时优化可以缓解城乡结合部道路交叉口交通拥堵和污染物排放的问题,具有较好的交通信号控制效果。     

多波段线性调频傅里叶域锁模光电振荡器

提出了一种基于傅里叶域锁模光电振荡器（Fourier domain mode-locked optoelectronic oscillator,FDML OEO）的多波段可重构线性调频信号产生方案.在该方案中,由扫频多波长激光器、相位调制器和光陷波滤波器等构成FDML OEO的核心单元——快速扫频的多通带微波光子滤波器.将扫频多通带微波光子滤波器的扫频周期和FDML OEO的环腔延时同步,可实现傅里叶域锁模,从而在FDML OEO腔内自激振荡产生多波段线性调频微波信号.与传统的基于高速基带线性调频微波源的微波光子多波段线性调频信号产生方案相比,该方案结构简单,成本低,不需要借助外部的高速基带线性调频微波源.此外,FDML OEO所产生的多波段线性调频信号的带宽和中心频率均宽带可调.该新型多波段线性调频微波信号源在先进多波段雷达、多业务泛在接入无线通信等系统中具有良好的应用前景.     

基于风电运维人员紧张程度的运维操作模式

安全可靠的运维是保证风电场正常运行的一个重要条件然而大多数风电场处于环境恶劣的偏远地区,给风电运维人员带来了巨大的挑战恶劣的运维环境降低了运维人员的可靠性,增加了运维人员人为失误的概率近年来,由运维人员人为失误导致的事故频发,为减少人为失误导致的事故,提出了一种基于风电运维人员紧张程度的运维操作模式以肌电图、呼吸作用和皮肤电导这3种生理信号作为运维人员紧张程度的评估参数,采用随机森林算法对运维人员的紧张程度进行分类与预测,通过实验验证了基于生理信号划分紧张程度的可行性最后以发电机U1绕组温度超限故障为例,分析了运维人员在不同紧张程度下的操作模式     

道路桥梁施工中软土地基处理技术应用实践

新时代,我国社会经济高速发展,交通运输业也逐步迈上更高的台阶。作为一种十分重要的公共交通设施,道路桥梁的施工质量将直接决定交通运输的质量。地基的稳固性和承重水平直接影响道路桥梁施工质量,通常得到软土地基加固技术的支持与保障,软土地基加固技术是保证道路桥梁建设安全和施工质量的重要手段。因此,本文深入探究了道路桥梁施工中的软土地基加固技术。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展,雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源,因此基于几何绕射理论（geometric theory of diffraction,GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然,准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification,MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题,提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭,构建新的总协方差矩阵,有效利用了目标原始回波数据的共轭信息。仿真结果表明,与经典MUSIC算法相比,改进的MUSIC算法参数估计精度更高,雷达散射截面重构拟合程度更好,且运算量增加不大,可有效提取出隐身目标的散射中心。     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

喷粉桩在软土地基处理中的应用

湖相沉积地区,虽然是有机质含量较高、天然地基承载力较低、含水量较大的中高压缩性深厚软士。但是采用深层搅拌喷粉桩（喷水泥下粉）的方法也是可行且合理的;同时也证明了任何一种地基处理方法都有一定的适应性,它都需要有良好的设计和施工来保证,而不能由于不良的设计与施工造成的某些失败,就要禁止使用。