25%小偏置碰撞策略及测试评估研究

随着汽车事故的增加,且小重叠碰撞事故死亡率居高不下,小偏置碰撞试验逐渐成为焦点。基于IIHS公布的最新车辆碰撞试验结果,统计超过100余款不同类型的25%小偏置碰撞车辆,建立碰撞转角与碰撞区域的数学模型,将25%小偏置碰撞归结为三种不同的碰撞策略,分别是吸能策略、掠过策略和掠过与吸能策略;并进行试验验证,对三种策略的优缺点进行分析。结果表明,小偏置碰撞试验可运用合理的碰撞策略达到法规要求,对25%小偏置碰撞试验具有一定的参考价值。     

高职院校培养区域经济发展紧缺人才的探索与实践

河南地区正在形成以郑州为核心的全国制造业和商贸中心,郑州建设国家中心城市急需大量技术技能人才,高职院校要改变人才培养与行业企业需求不对称的现状,在专业设置、人才培养模式、课程体系和教学内容等方面均应加快改革步伐,努力培养区域经济发展需要的紧缺技术技能人才。     

金沙滩景区公交调度优化研究

阐释了区域公交调度的定义及区域调度的优势,主要采用建立数学模型来优化公交区域调度,依据采集到的公交上下客运量运用MATLAB软件进行优化,探讨调度优化问题,减少换乘等待时间。     

凌庄子水厂保水堰流量系数试验

凌庄子水厂蓄水池进水口处有一保水堰,为非标准薄壁堰,不能使用已有堰流公式对其过流量进行准确计算。为了得出较为精确的过流流量,按照重力相似准则制作几何比尺为1∶5的模型进行试验研究。在已有自由出流公式的基础上,对自由出流流量系数进行修正并对淹没情况下流量变化过程进行研究。对该非标准堰自由出流流量系数的实测值与经验值进行分析比较,发现堰板槽降低了实际自由出流过流能力。淹没出流的流量系数主要与下游尾水位有关,试验中形成的淹没式堰流受实际堰型尺寸影响,下游尾水位和堰上水位近似相等,不完全适用已有淹没出流流量公式,通过试验给出了修正淹没系数随h/p的变化关系。结果表明利用堰前、堰后水位初步计算过流流量是可行的,可为该工程提供参考,也可为实际工程中非标准矩形堰的流量计算提供思路。     

基于有限元的区域分解方法在永磁聚焦系统仿真中的应用

随着计算机技术以及并行求解技术的发展,区域分解方法越来越多地应用于计算电磁学的各个领域.针对微波管中的永磁聚焦系统仿真,该文提出一种基于有限元的非重叠区域分解方法,其引入一种新型传输条件,并采用内罚的方式推导出有限元弱形式.该区域分解法的最大优势是不需要引入多余的未知量,并且最终集成的有限元矩阵满足对称正定性,适合采用预处理共轭梯度法进行矩阵方程的求解.该文仿真了多个微波管永磁聚焦系统,并与商业软件Maxwell进行了详细的对比,结果表明所提出的区域分解方法和Maxwell精度相当,却拥有着更加优越的计算性能.     

卡特里娜飓风引起的新奥尔良市溃坝洪水演进过程模拟

卡特里娜飓风于2005年袭击了美国墨西哥湾沿海地区，给路易斯安那、密西西比和亚拉巴马等州带来了巨大灾难，造成经济损失800亿美元。其中位于路易斯安那州的新奥尔良市由于堤坝故障导致庞恰特雷恩湖湖水倒灌，80%的地区发生了洪水，损失尤为严重。为了动态且高效地模拟其溃坝后洪水的演进过程，建立了基于“体积法”与元胞自动机的溃坝洪水演进模型。模型通过设置元胞属性来考虑洪水流向以及不同土地覆盖类型的汇流差异性；提出了一种洪水淹没元胞多级分类的快速搜索算法(MLCFC),采用不同准则处理各类元胞以提高计算效率；利用“体积法”计算不同时刻元胞的水深来间接反映洪水演进的时空特性。以新奥尔良市为例，计算其溃坝发生后2～20 h不同时刻的淹没情况。结果表明，模型模拟的淹没过程符合溃坝洪水的蔓延特性；试验结果与遥感影像中提取的水体重合率为61.18%,能较好地模拟城市地区溃坝时洪水演进的时空特性。     

区域导航对流层延迟误差修正模型研究

本文研究了电波大气折射理论，分析了传播误差因素，阐述了区域导航信号的传播路径与 GNSS 卫星导航的不同，论述了对流层延迟对区域导航信号测量精度的影响，设计了满足区域导航系统应用需求的对流层延迟误差修正模型，并通过仿真研究，验证了所设计区域导航对流层延迟误差修正模型的可行性，并给出了该模型在远距离低仰角和近距离高仰角下的误差修正能力。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。