基于注意力机制的CNN-LSTM剩余寿命预测研究

机械设备剩余寿命的准确预测可以降低昂贵的维护费用,提高机械设备的安全性。随着深度学习的发展以及注意力机制被广泛应用于各个领域,基于数据驱动的剩余寿命预测方法为机械设备寿命预测提供了众多的方法。文章提出了一种基于注意力机制的CNN-LSTM剩余寿命预测方法,该方法利用不同的注意力机制包括通道注意力、CBAM机制和自注意力等进行剩余寿命预测试验。注意力机制可以向CNN-LSTM提取的特征信息分配不同的权重,突出关键的特征信息,过滤无用信息,进而更准确地表示设备的退化特征信息,最终得到设备的剩余寿命。文章对NASA发动机数据集进行了剩余寿命预测试验,同时研究了不同注意力机制影响,试验结果表明,基于注意力机制的方法可以有效地进行剩余寿命预测,所提方法具有一定的应用价值。     

盾构隧道管片接头缩尺试验模拟方法

由于盾构隧道管片接头刚度影响因素繁多复杂，使得缩尺模型管片接头制作困难、模拟效果较差。为此，提出一种采用特制弹簧与预埋螺栓共同工作的管片接头模拟方法来模拟原型管片接头，并分别对该方法设计的模型管片接头以及原型管片螺栓连接接头的轴向、剪切及弯曲刚度进行计算分析。通过对比分析可以得出设计管片模型接头与原型管片螺栓连接接头的等效条件，在满足上述等效条件的情况下，经相似关系换算可认为缩尺模型管片接头刚度与原型管片接头刚度满足试验设定的相似关系。最后，采用堆载试验对模型管片进行可行性验证。经理论分析及模型试验表明： 提出的盾构隧道管片接头缩尺试验模拟方法可使模型接头刚度等效于原型管片接头，能较为全面地满足模拟原型管片的要求。     

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。      

盾构静-动态泥浆渗滤成膜及支护效率控制方法

近年来，泥水盾构在越江跨海隧道中被广泛应用，隧道开挖面“泥浆-土水”相互平衡作用是工程安全的关键。盾构泥浆能否成膜、动态掘进泥膜是否存在、动态泥膜如何发挥支护作用等问题受到广泛关注，理清这些问题是保障开挖面稳定的基础。对此，基于多相流理论提出了泥浆“渗滤-成膜-生长”瞬态力学模型，探明了泥浆的流体特性和地层的水力传导性质的时空变化规律，揭示了盾构停机静态成膜和掘进动态成膜机制，并通过静、动态成膜2个实例计算验证了理论方法的适用性。研究结果表明：盾构静态停机状态下通常为全断面泥膜，泥浆以面力形式进行支护，盾构掘进时表现为动态局部泥膜，泥浆压力可较长距离前向传递，以渗透力的形式发挥作用；盾构掘进时开挖面泥膜分布为多辐扇形的局部泥膜，可分为泥膜渐变区和无泥膜区，无泥膜区域靠近先行刀臂，随着刀盘转速的增加，泥膜的厚度和泥膜面积逐渐减小；实际工程中，可以从泥浆材料和掘进参数两方面提升泥浆的支护作用，一方面根据地层-泥浆粒径比和泥浆黏度双控指标进行泥浆配置，另一方面宜降低盾构刀盘转速，同时适当增加掘进速度，充分发挥局部泥膜的支护作用，提高泥浆的支护效率和开挖面的稳定性。研究成果对泥水盾构施工安全有一定的指导意义。     

大型邮轮薄板感应加热矫平研究

为了控制大型邮轮建造过程中的薄板结构焊接变形，开展薄板矫平研究。水火弯板作为船厂最常见的甲板矫平方式不适用于邮轮薄板矫平，因此引入了感应热矫平方式。文章首先介绍了感应热矫平的机理及矫平电源关键参数理论计算方法，并进行现场试验，验证了感应矫平的效果并提出了当前工艺的不足。然后通过试验方法，确定AH36薄钢板的材料性能，并以此为基础，通过有限元仿真方法模拟感应加热矫平过程。现场试验和仿真研究直观展现了感应加热矫平效果以及矫平过程中的磁场分布、钢板温度变化和塑性变形。同时，形成了矫平电源关键参数理论计算方法以及感应加热矫平仿真计算方法，为后续优化感应矫平工艺奠定了基础。     

长江游船旅游市场现状及建议

为给我国长江游船旅游市场发展提供思路，以2018―2021年近4年游船旅游的统计数据为基础，从游客、航线、游船和港口等4个方面分析长江游船旅游市场的现状。针对目前存在的不足提出建议：大力发展长江中下航线的旅游市场；游船运营方应提高服务质量；长江沿岸游船港口需完善基础设施，并区分游船母港和停靠港，根据需求进行规划建设。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联，提出一种基于驾驶状态的危险路段识别方法，辨识和分析不同风格驾驶人具有潜在风险的路段，并提出优化方案。首先，通过实车实验采集驾驶人行为及生理指标数据，使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型，并依据行为特征对驾驶风格进行差异性 分析；其次，采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型，通过GPS(Global Positioning System)点位对应实现危险路段辨识，并基于驾驶风格差异，从驾驶人感知、操纵与生理角度对危险路段进行致因分析；最后，将生理与道路线形作为优化参考，以车速建议为着力点进行多元回归分析，并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型，3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段；海拔提升可加速危险驾驶状态的出现，各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长，激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张；下行时，谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态，激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求，为线形设计与交通管理措施制定提供理论依据。     

行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度，提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络，通过引入图像注意力机制与动态元融合，能够在卷积前向传递过程中补充低层图像视觉线索，有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题，增强对细粒度特征的识别能力；同时，引入外部神经知识的元选择网络，实现网络多阶段预测的自适应融合，以避免权重偏置现象。实验结果表明，文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难，有效提高识别准确率。     

基于残余应力模拟的高速铁路路基动力安定分析算法北大核心

基于安定理论方法,以控制过度非弹性变形的安全裕度为理念,提出了一种改进的动力安定分析算法。本算法的基本数学格式为一个最优化问题,目标函数是动力安定极限,优化变量是通过自平衡模拟的残余应力场,并进一步由非均匀有理B样条曲面插值实现数目的缩减。通过应用于高速铁路路基某现场试验断面的数值算例,验证了本算法的有效性。本算法为研究长期动载下高速铁路路基的长期安定状态提供了理论途径,可为考虑安定性的路基结构设计提供参考。