实尺度船舶参数横摇数值模拟研究

船舶在特定波浪环境下会遭遇大幅度的参数横摇运动。论文基于黏性流理论建立CFD数值模拟方法,结合动态重叠网格技术与刚体6自由度运动预报模块,对国际标准水面船模型ONRT,在横摇、纵摇与垂荡3自由度耦合运动情况下进行实尺度参数横摇数值模拟。还在安装不同附体（舭龙骨、呆木、尾舵）的条件下进行参数横摇数值预报。研究结果表明,加装舭龙骨对参数横摇具有显著的抑制作用,而呆木与尾舵虽然能在一定程度上减小参数横摇幅值,总体而言效果不显著。研究成果对船舶第二代完整稳性衡准的研究具有一定的参考意义。     

SS3电力机车牵引电机主极裂纹检测仪研制成功并通过鉴定

日前,由我校宋京伟教授主持,我校与上海铁路局永安机务段合作研制开发的SS3电力机车牵引电机主极裂纹检测仪研制成功并通过了上海铁路局技术鉴定。 电力机车牵引电机在运行中经常会发生主极断路故障,其原因是由于电机主极存在加工过程中产生的缺陷,以及机车在运行中振动、热应力等会使主极产生疲劳裂纹并引起裂纹逐渐扩展,最终造成打火烧断主极。我国的电力机车每年都会发生多起这种故障,它已成为影响铁路行车安全的“惯性”故障。为了避免此类故障的发生,必须在机车定期检修过程中对电机主极进行探伤,早期发现微小裂纹及时更换修理,消除故障隐患。但由于主极表面覆盖着厚厚的绝缘层,而且绝缘层表面高低不平,加之电机内部空间狭窄,通常的无损检测方法无法实施。课题组通过近三年的努力,研制开发了适合于牵引电机的微机化裂纹检测仪,仪器直接通过波形来反映裂纹,能够实现对牵引电机主极裂纹的实时检测,并提供裂纹信号的离线分析和查询,还可对检测数据进行管理,降低了对裂纹信号的误判,提高了检测准确性,解决了这一长期困扰铁路机务部门的难题。这一仪器的研制成功,为铁路的行车安全又增添一项保障手段,填补了铁路系统该方面的空白。     

基于改进YOLOv5的雾霾环境下船舶红外图像检测算法

从监控图像中准确检测船舶对于港区水域船舶交通智能监管具有重要意义。为解决雾霾条件下传统YOLOv5目标检测算法对船舶红外图像检测准确率低、小目标特征提取能力弱等问题，提出了基于Swin Transformer的改进YOLOv5船舶红外图像检测算法。为扩大原始数据集的多样性，综合考虑船舶红外图像轮廓特征模糊、对比度低、抗云雾干扰能力强等特点，改进算法提出基于大气散射模型的数据集增强方法；为增强特征提取过程中全局特征的关注能力，改进算法的主干网络采用Swin Transformer提取船舶红外图像特征，并通过滑动窗口多头自注意力机制扩大窗口视野范围；为增强网络对密集小目标空间特征提取能力，通过改进多尺度特征融合网络（PANet），引入底层特征采样模块和坐标注意力机制（CA），在注意力中捕捉小目标船舶的位置、方向和跨通道信息，实现小目标的精确定位；为降低漏检率和误检率，采用完全交并比损失函数（CIoU）计算原始边界框的坐标预测损失，结合非极大抑制算法（NMS）判断并筛选候选框多次循环结构，提高目标检测结果的可靠性。实验结果表明:在一定浓度的雾霾环境下，改进算法的平均识别精度为93.73%，平均召回率为98.10%，平均检测速率为每秒38.6帧；与RetinaNet、Faster R-CNN、YOLOv3 SPP、YOLOv4、YOLOv5和YOLOv6-N算法相比，其平均识别精度分别提升了13.90%、11.53%、8.41%、7.21%、6.20%和3.44%，平均召回率分别提升了11.81%、9.67%、6.29%、5.53%、4.87%和2.39%。综上，所提的Swin-YOLOv5s改进算法对不同大小的船舶目标识别均具备较强的泛化能力，并具有较高的检测精度，有助于提升港区水域船舶的监管能力。      

硬岩地层盾构正面滚刀磨损规律与预测模型

针对盾构机在全断面硬岩地层中掘进遇到的刀具磨损严重的难题，结合青岛地铁6号线朝阳路站—峨眉山路站盾构隧道工程实例，采用多元回归分析的方法分析滚刀安装半径、地层参数、掘进距离与正面滚刀磨损量之间的关系。考虑盾构总推力、刀盘转速、刀盘扭矩、掘进速度、安装半径、岩石单轴抗压强度和磨蚀性指数等多重变量，构建正面滚刀磨损预测模型，分析不同轨迹正面滚刀的磨损特征，得出以下结论：(1)在800 m的掘进距离内，平均每个刀位换刀3.18次，随着滚刀安装半径增加，单把滚刀的累计换刀次数逐渐增加、平均掘进长度逐渐降低，其累计磨损量呈幂指数增加；(2)正面滚刀平均每延米磨损量随岩石强度增加呈幂指数增长、随磨蚀性指数增加呈指数增长，且拟合相关系数较高，表明以上参数对滚刀磨损有着关键作用；(3)构建的滚刀磨损量计算模型考虑了掘进参数、刀具安装半径、岩石强度和磨蚀性指数等因素，可对硬岩地层盾构正面滚刀磨损规律进行预测，此外，验证了滚刀磨损预测模型的准确性，预测值与实测值误差不超过13%。