基于弦测法的H型中低速磁浮轨检仪应用研究分析

针对现有中低速磁浮轨道敷设后验收困难，后期运维检测效率低、精度差等问题，文章研制了一种采用弦测法、自带动力跟随遥控的H型中低速磁浮轨检仪，通过多组激光测距传感器测距进行换算，用以检测轨道主要特征，包括里程、高低、水平、三角坑、轨距、轨向、轨缝、错牙等几何参数。为验证其可靠性和精确度，采用人工、全站仪以及轨检仪3种不同方式以不同速度下对线路进行了测量，并与设计值进行了对比分析。结果表明，3种测量方式的整体趋势与设计值具有较高的一致性，轨检仪检测精度较高，且不受自身运行速度变化的影响。     

新冠疫情影响下基于GA-BPN模型的民航客运生产量评价方法

2020年初爆发新冠肺炎疫情，民航运输业受到了巨大的冲击，虽后续国内疫情得到了一定程度的控制，但国外疫情的泛滥，以至于2021年国内各地疫情的点状爆发，对民航客运生产仍持续造成不同程度的影响。鉴于民航客运生产与市场环境紧密相关，且根据国家卫健委的预判，疫情在今后较长一段时间内将长期存在。为了让民航客运生产运营单位在未来能够科学地评价有疫情存在的特殊市场需求，以及合理地规划和安排航班生产，本文提出一种遗传优化算法（GA）结合反向传播神经网络（BPN）的预测模型。实例应用的结果表明，GA-BPN模型相比传统BPN模型降低具备更高的预测精度，可为未来民航的生产规划提供一定程度科学地指导。     

基于物联网平台的电源屏监测系统研究

电源屏是铁路行业专用的供电设备，其状态是否正常直接影响信号设备的工作状态，进而影响行车设备的安全和运输效率。针对目前非智能电源屏监测系统中存在的数据分散、利用率低、可视性差等问题，利用物联网技术和大数据技术，同时引入专家规则，设计并实现了基于物联网平台的电源屏监测系统，既解决了数据“孤岛”问题，又实现了故障预警、统计分析、健康评估等功能，加快了智慧铁路建设的步伐。     

大流量无堵塞旋流泵的优化设计及实验研究

依据三要素设计方法及相关经验公式，对大流量无堵塞旋流泵主要结构参数的尺寸进行初步确定，用ANSYS CFX软件对初始设计的旋流泵进行外特性预测后发现，工况点处扬程仅达到设计扬程的77.1%,效率高出设计效率的24.2%。对主要部件叶轮外径D₂、宽度b₂和包角ψ等进行逐步优化，得到较优化的旋流泵模型，该泵工况点处扬程高出设计扬程3.2%,效率高出设计效率30.5%。为了验证模拟计算的准确性，对实体旋流泵进行了清水输送实验，工况点处实验扬程高出模拟扬程0.7%,实验效率高出模拟效率6.4%。     

焊接质量追溯系统应用

对海工企业焊接质量追溯管理现状进行分析并指出其弊端,将企业微信平台与海工企业原焊接质量追溯流程相结合,在此基础上设计并开发集生产信息记录、共享、报表分析等多功能于一体的焊接质量追溯系统。通过实际应用,该系统实现焊接全过程质量信息和数据的追踪与管理。在信息化背景下,为企业进行焊接质量追溯提供有益参考。     

科研院所质量成本管理分析与实践

为提升科研院所的质量成本管理水平，促进研究所可持续发展，对科研院所成本控制的构成进行介绍，并对科研院所在质量成本管理上存在的问题进行分析。在此基础上，提出需要加强研发成本培训、准确定义核算准则、提高设计保证产线的建议。实践表明：精细化质量成本管理可有效强化质量责任，提高科研院所的质量竞争力。研究成果可为科研院所质量成本管理提供一定参考。     

城轨车辆结构服役寿命评估体系研究

目前国内已有多个城市运营的城轨车辆到达设计半寿命期或第二次大修期，甚至部分批次列车已接近30年设计寿命，相关运营公司对处于寿命中后期的车辆能否安全运营、能否延寿及如何延寿等问题格外关注，因此，开展系统性、综合性的城轨车辆结构服役寿命评估体系研究势在必行。通过对国内主要城轨运营公司需求调研，以及对国内外轨道车辆寿命评估技术研究，结合无损检测、理化分析、有限元分析、台架试验、线路试验、疲劳强度及断裂力学等学科，以及北京、广州、上海、天津等多个城轨车辆服役寿命评估项目工程经验，形成了全面、系统的城轨车辆结构服役寿命评估体系框架及流程，为后续开展城轨车辆结构服役寿命评估提供了借鉴和指导，并为形成科学完整的城轨车辆结构服役寿命评估标准奠定了基础。     

基于机器学习的地铁盾构掘进参数智能预测与控制方法研究

盾构掘进的精细化和智能化控制是现代隧道施工技术的发展趋势，为更好地预测和控制盾构掘进状态，提出一种预测和控制盾构掘进参数的智能模型。该模型考虑了多个影响盾构掘进参数的非线性因素，建立了6种基于机器学习与海鸥算法相结合的混合算法(SOA-ML)盾构掘进参数智能预测模型，并提出基于层次分析法的最佳预测模型判别方法；进一步利用最佳预测模型提出了基于PSO算法的掘进参数控制方法。以金华至义乌至东阳市域轨道交通工程为例，验证了模型的有效性。运用结果表明：SOA算法可有效地对机器学习算法的超参数调优，且SOA种群数量越大，搜索的范围越广，最佳适应度收敛性越快；6种算法模型均具有较好的预测性能，根据层次分析法对预测模型进行性能排序为BP>ELM>CNN>RF>SVM>LSTM;基于BP-PSO的盾构掘进参数预测和控制过程具有消耗时间小、预测与优化性好的特点。