简介:采用心理物理试验分析公路隧道内部视觉环境对驾驶员行车安全的影响,将E-prime2.0软件与仿真驾驶模拟器相结合,对驾驶员在隧道内长时间行车中的速度判断准确率及反应时间两个指标进行分析,提出了利用标志标线构建公路隧道内韵律型标线系统的改善措施,以改善隧道内视觉环境,并利用数理统计方法及Logistics拟合分析对设计方案进行评价。结果表明:1)公路隧道内韵律型标线系统能提升隧道内驾驶员的速度判断准确率3.33%~11.66%;2)普通公路隧道场景中,被试者反应时间与隧道内行车时间存在显著关系,公路隧道内韵律型标线系统的场景中,反应时间与隧道内的行车时间没有显著关系,能有效缓解视觉疲劳现象;3)被试者反应时间的增加同时受隧道内视觉环境与行车时间的影响。公路隧道内韵律型标线系统能有效提高驾驶员的反应时间,适用于行驶速度为80km/h、大于1333m的隧道。
简介:矿井瓦斯突出的发生是一个非线性系统在时空演化过程中的灾变行为,影响突出的各个基本因素与突出危险性之间存在复杂的非线性映射关系。对于处理这样的非线性时空演变问题,传统的数学方法是有局限性的。为了更好地预测矿井瓦斯涌出量,将灰色理论引入到预测精度高的遗传神经网络,使灰色理论和遗传神经网络有机结合起来,以神经网络理论为基础,利用遗传算法优化隐含层神经元个数和网络中的连接权值,并用其建立瓦斯涌出量的预测新模型。在实验室测试数据的基础上,建立遗传神经网络训练和检验样本集,并且将检验结果分别与标准BP神经网络的预测结果进行比较。
简介:临界风速是Y型合流分岔隧道能否有效抑制烟气侵入分岔支路的重要参数。为确定Y型合流分岔隧道临界风速计算公式,对影响Y型合流分岔隧道临界风速的相关因素进行量纲分析,推导出临界风速与火源热释放率、主分隧道高度比、连拱长度及隧道分岔夹角这4个因素的无量纲函数关系式。通过数值模拟得到临界风速最大的火源位置,并对上述4个影响因素进行了量化分析。结果表明:火源距分岔段隧道洞口15~25m时临界风速最大;当无量纲火源热释放速率小于0.3时,隧道临界风速与火源热释放率呈现1/3次方关系,当无量纲火源热释放速率大于0.3时,隧道临界风速不再随火源热释放速率增加而增加;临界风速与分岔隧道高度比近似成-3/10次方关系,与分岔夹角成-3/40次方关系,而与连拱长度无关。进而得到分岔隧道临界风速的无量纲计算模型,且与数值模拟结果吻合良好。
简介:为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。
简介:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.
简介:讨论了通过以太网作为通信媒介,基于S3C4510B实现网络型防盗报警器的设计思路和系统结构,设计了用DM9161作为以太网物理层的接口电路以及用松本无线高频板作为探测信息的接收端等硬件电路和相应的软件流程,并配以uClinux操作系统对防盗报警器的各种信息进行有效的管理,达到了家居防盗报警的要求.