龙卷风作用下列车-桥梁系统气动特性数值研究

龙卷风是特异风灾害之一，常导致基础设施严重损毁，对其易发区高速铁路的安全运营有潜在威胁。为研究龙卷风作用下列车-桥梁系统气动特性，采用计算流体力学手段，开展车-桥系统龙卷风作用分析。首先，建立典型龙卷风发生装置数值模型，实现龙卷风流场数值模拟；其次，建立CRH2高速列车模型和典型铁路桥梁节段模型，开展横风作用下车-桥系统气动特性数值分析，并与风洞试验的结果进行对比，验证模型的合理性；最后，将车-桥模型嵌入龙卷风数值风场中，分析车-桥系统在龙卷风作用下的气动特性，研究列车在穿越龙卷风时所受侧力及倾侧力矩的变化规律。结果表明，龙卷风作用下车-桥系统气动性能呈现明显的三维特征，龙卷风涡旋气流的流线和风压分布受车-桥系统影响显著；龙卷风内部形成了负压场，在车-桥系统的影响下，内部负压区向外扩大，压力等值线沿着车-桥轮廓外凸；列车迎风面的压强沿径向增大，最小负压存在于迎风面和顶部转角处；列车在涡核附近区域受到侧力和倾侧力矩达到峰值，列车所受侧力作用最不利位置为迎风侧，所受倾侧力矩最不利位置为背风侧。     

冷却模块的振动疲劳特性分析与优化

针对冷却模块悬置系统结构仿真分析方面，主要考察其振动与疲劳问题，一方面考察汽车在路面行驶时，冷却模块的随机振动激励所产生的疲劳破坏问题；另一方面主要考虑冷却模块的振动特性，首先冷却模块悬置系统的刚体模态频率需要避开发动机二阶点火频率，其次冷却模块的弹性模态频率需要大于风扇运转所产生的频率。本文以冷却模块的振动疲劳破坏的问题为分析目标，对冷却模块的振动特性进行研究，并与实际断裂位置进行对比，分析结果表明仿真分析方法可靠。同时，对冷凝器支架进行相应的优化，可提高冷却模块的随机振动寿命，为冷却模块的优化改进提供依据，并对后续的疲劳寿命分析具有一定的指导作用。     

BIM技术在船厂钢壳智能制造中的应用实施

从钢壳三维作业生产设计、钢壳智能化加工制造、工厂物联网建设和钢壳焊接管理等方面入手，探讨BIM技术在上述各方面的实施方法，实现BIM技术在船厂钢壳智能制造中对模型设计、交付、智能生产线集成、网络安全、物联网建设、人员设备监控、焊缝地图等功能的实际应用，为船厂在钢壳施工中所使用的设计系统、生产管理系统等与BIM技术进行有机结合，促进钢壳制造在BIM管理平台中的有效管控。     

基于UWB的船舶车间智能高精度定位系统应用技术

为实现对人员、设备、物料等各生产要素的精准定位,需研究船舶车间智能管理相关技术。基于UWB定位技术,开发船舶车间高精度定位系统,完成在典型船舶车间的试验验证,车间内关键要素定位精度达到分米级,为作业人员跟踪、实时生产管控提供辅助,提高车间生产效率,推进船舶智能制造。     

铁路隧道衬砌表观病害智能检测技术

针对铁路隧道衬砌表观病害检测需求，梳理并分析技术现状，介绍隧道衬砌表观病害智能检测系统的研制情况和系统组成。提出铁路隧道衬砌表观病害智能检测面临的技术难点，分析图像快速采集、病害智能识别、病害样本库构建等智能检测关键技术。通过基于实测数据集以及现场检测复核等手段，验证铁路隧道衬砌表观病害智能检测系统关键参数。结合现场运用情况，分析铁路隧道衬砌表观病害智能检测系统运用效率。智能检测系统应用表明，铁路隧道衬砌表观病害智能检测技术可大幅提升隧道衬砌病害检测的自动化和智能化水平。     

5G技术铁路应用的综合效益评价指标体系研究

5G技术与铁路行业的深度融合发展，具有广阔的应用前景和广泛的社会经济影响。结合5G技术铁路应用发展现实需求，以铁路客货运输的交易主体与外部性为分类基准，构建铁路项目全生命周期（含建设期和运营期）综合效益三维评价模型。在创新构建铁路项目综合效益评价模型的基础上，合理构建5G技术铁路应用项目的多维度、多层次、多目标的评价指标体系，包括面对生产者的财务效益指标、面对消费者的运输效益指标、面对第三方的社会效益指标以及面对自然环境的生态效益指标等，并对重点指标测算方法进行说明。     

基于组合模型的高原环境GDI汽油车排放预测

为预测高原环境下缸内直喷(Gasoline Direct Injection, GDI)汽油车CO和PN的瞬时排放量，开发并评估了一套基于深度学习的排放预测模型。利用便携式车载排放测试系统对一辆GDI汽油车进行实际道路排放测试；加入奇异谱分析对原始时间序列进行处理，剔除时间序列中的异常值；利用XGBoost模型对GDI汽油车的CO和PN的瞬时排放进行初步预测，并利用SVR模型进行残差修正得到最终的预测结果。将预测结果与实际道路排放试验中使用PEMS设备测量的实际值进行比较，结果表明，XGBoost-SVR排放预测模型能较好地预测GDI汽油车瞬时CO和PN的排放，相比单一的XGBoost模型，RMSE分别提高了22.9%和39.7%,决定系数R²均大于0.9,支持预测结果的可靠性。该模型对监测高原环境下GDI汽油车实际道路排放具有一定的工程意义。     

雷暴风作用下大跨度桥梁抖振响应智能预测研究

面向特异风环境桥梁风振实时推演，开展了雷暴风作用下大跨度桥梁抖振响应智能预测研究。以苏通大桥实测数据为基础，分析了风场参数与主梁抖振响应之间的相关性，确定了桥梁雷暴风效应的主要关联参数。基于前馈神经网络(FNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、门控循环单元(GRU)等典型神经网络模型，以主要风场关联参数及历史抖振响应作为输入，开展了桥梁抖振响应预测网络架构与模型训练，并对比分析了4种模型的预测效果。研究结果表明：雷暴风作用下大跨度桥梁的抖振响应主要与平均风速、平均风向、脉动风速均方差、紊流积分尺度等风场参数密切相关；待预测的桥梁抖振响应与历史风场及桥梁状态参数有关，需考虑二者的记忆效应；FNN与CNN未能较好地表征该记忆效应，故预测结果与实测值仅趋势相近，预测误差相对较大；GRU与LSTM的预测效果总体较好，GRU在雷暴风风速较大时的预测效果最优；LSTM在高风速下的预测效果略低于GRU,但在风速较低时的抖振预测精度最高，即具有更强的泛化能力。研究结果可为雷暴风易发区大跨度桥梁的安全运维提供借鉴与参考。     

飑线风作用下大跨度斜拉桥模态特性实测研究

为表征雷暴风对大跨度斜拉桥的作用，以苏通大桥监测数据为基础，开展了飑线风作用下大跨度斜拉桥模态特性实测研究。首先，基于短时平稳假设，分析了飑线风的实测风场特性，探究了桥梁抖振响应与风速的相关性，并刻画了其在风速突增与下降过程中的差异；然后，计算了不同时段内主梁实测竖向、侧向和扭转加速度的功率谱密度，并分析了飑线风对主梁振动频谱的影响；最后，采用随机减量法，开展了飑线风作用全过程大跨度斜拉桥的模态参数识别，获得了桥梁的模态频率与阻尼比，从而研究了飑线风对大跨度斜拉桥模态参数的影响。研究结果表明：主梁抖振响应均方根与风速呈非线性正相关，飑线风前端与后端风场对桥梁抖振响应的影响总体类似；在飑线风作用时段内，大跨度斜拉桥各阶模态对应的振动能量相较其他时段更为显著；多阶竖弯、侧弯和扭转模态的频率随风速的增加而增加；阻尼比受风速影响较大，各阶模态的影响规律不尽相同；主梁1阶竖弯和1阶侧弯模态的阻尼比随风速的增加而增加，而1阶扭转模态的阻尼比随着风速的增加而减小。     

基于三维重构的钢桥表面锈蚀提取方法研究

为实现钢桥表面锈蚀的准确提取及可视化，提出基于三维重构的钢桥锈蚀提取方法。该方法利用无人机采集桥梁影像，基于倾斜摄影生成三维点云模型，通过点云模型进行RGB颜色分布直方图统计，获取模型初始聚类中心，运用K-means聚类算法结合最大类间方差法获取锈蚀最佳分割阈值，进而对锈蚀率及锈蚀等级进行评估，并结合点云模型实现锈蚀可视化。以某钢桁拱桥为背景，采用该方法提取锈蚀区域，基于视觉分析和定量分析进行精确度评价，验证方法的有效性。结果表明，该钢桥的表面锈蚀率1.3%～9.4%,锈蚀等级为3～4级；提出的钢桥锈蚀提取方法平均正确提取率可达90.1%,平均漏提取率、误提取率分别为9.9%、8.2%,可有效用于钢桥表面锈蚀提取。