考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

不饱和类卡宾H_2C＝CNaX(X=F,Cl,Br)的密度泛函理论研究

采用密度泛函理论方法,在B3LYP/6-311+G(d,p)水平上研究了不饱和类卡宾H2C=CNa X(X=F,Cl,Br)的结构.结果表明,不饱和类卡宾H2C=CNa X(X=F,Cl,Br)各有2种平衡构型,其中具有三元环结构的构型能量低,是其存在的主要构型.预言了最稳定构型的振动频率和红外强度.计算得到了最稳定构型分子内氢迁移反应的过渡态.讨论了卤原子对不饱和类卡宾H2C=CNa X的影响.     

一个包含Smarandache Ceil函数的对偶函数的方程

利用初等方法研究了一个包含Smarandache Ceil函数Sk(n)的对偶函数-Sk(n),给出了当k=6时方程-S6(1)+-S6(2)+…+-S6(n)=6Ω(n)的具体正整数解。     

(2+1)维KD方程组的一类非亚纯行波解

通过行波变换将(2+1)维KD方程组转变为复域中的常微分方程,给出复合的(2+1)维KD方程组2(wk-3l2+3ak2 C1)u=2k4 u″-k2 a2 u3+(6k2b-3kal)u2+C2,v=lku+C1的一类非亚纯解的结构.     

后方交会技术在实际工作中的应用

本文分析了采用正弦定理解算三角形时出现无解和两解的情况,并从现场实际情况得出结论,凡是现场构成三角形的情况,采用正弦定理解算,除非测量数据有误,都会有解,不会出现无解的情况。对边角后方交会出现无解和多解的情况进行了分析,提出了解决问题的办法。     

PANI-CNTs复合材料的制备及其在对称型全固态超级电容器中的应用

超级电容器寿命长、安全性高,并可以实现快速充放电,是化学电源研究的热点之一。文章通过简单的化学原位聚合法将聚苯胺(polyaniline,PANI)与碳纳米管(carbon nanotubes,CNTs)进行复合,得到聚苯胺纳米管(PANI-CNTs)复合材料。利用场发射扫描电子显微镜(field emission scanning electron microscope, FESEM)对其形貌和结构进行表征。循环伏安(cyclic voltammetry,CV)曲线、恒电流充放电(galvanostatic charge-discharge, GCD)曲线和循环寿命测试结果表明,纳米复合电极材料在三电极体系中,电流密度为1 A/g时,比电容高达690 F/g,3 000次循环后仍保持初始电容80%,在组装成柔性器件后,保留了优异的电化学性能,并展现出卓越的柔性机械性能。     

灰色系统理论在废气污染物排放量预测中的应用

应用灰色系统预测理论,以GM(1,1)模型对我国废气排放中主要污染物排放量进行预测,可有效克服原始数据的离散性,在少信息的情况下得到高精度的预测结果。以2008²012年废气主要污染物排放量为例进行了中短期的预测,结论表明,预测精度均可达到最优的精度等级。     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。