公路隧道运营典型风险辨识

为加强对公路隧道运营风险的辨识、改善和优化公路隧道运营安全，降低重大隧道事故对人员伤亡、隧道结构、设备和经济收益的损失，通过隧道事故调研和大数据技术，收集近些年在全国范围内发生的802起公路隧道事故，对公路隧道自身特性和隧道事故的时间、空间、类型、诱因等特征进行分析。研究结果表明： 1)外界因素对隧道事故影响较大，在高温和车流量较大的环境下，事故发生较多； 2)特长隧道和长隧道的事故数远高于短隧道和中隧道； 3)小型车是隧道内发生事故的主要车型，事故原因多是驾驶员违规驾驶，事故类型多为追尾事故； 4)火灾事故的诱因多为车辆自身故障，其中危化品泄露多为易燃液体泄露。     

高速单体船推进系统参数辨识方法研究

建立高速单体船推进系统参数辨识的数学模型,采用优化的方法辨识推进系统的各参数,将辨识结果与仿真结果进行比较,验证该辨识方法的可靠性.     

A novel fuzzy logic correctional algorithm for traction control systems on uneven low-friction road conditions

The traction control system (TCS) might prevent excessive skid of the driving wheels so as to enhance the driving performance and direction stability of the vehicle. But if driven on an uneven low-friction road, the vehicle body often vibrates severely due to the drastic fluctuations of driving wheels, and then the vehicle comfort might be reduced greatly. The vibrations could be hardly removed with traditional drive-slip control logic of the TCS. In this paper, a novel fuzzy logic controller has been brought forward, in which the vibration signals of the driving wheels are adopted as new controlled variables, and then the engine torque and the active brake pressure might be coordinately re-adjusted besides the basic logic of a traditional TCS. In the proposed controller, an adjustable engine torque and pressure compensation loop are adopted to constrain the drastic vehicle vibration. Thus, the wheel driving slips and the vibration degrees might be adjusted synchronously and effectively. The simulation results and the real vehicle tests validated that the proposed algorithm is effective and adaptable for a complicated uneven low-friction road.     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长，交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义。随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用，车辆目标检测和参数识别也取得新的突破。该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和未来发展趋势。在识别方法方面，将车辆检测方法分为3类：运动目标检测方法、目标实例检测方法和细粒度检测方法，系统总结了这3类方法的基本原理和各自特点。在应用研究方面，详细综述了基于机器视觉的车辆检测方法在车辆参数识别中的应用现状，主要包括车辆类别、车辆时空参数、车辆重量参数识别以及车辆多参数识别系统。最后对基于机器视觉和深度学习的车辆参数识别研究进行了归纳总结，并讨论了当前存在的挑战和未来可能的发展趋势。研究表明，对于不同的环境条件和车辆参数，应根据实际需要和各算法特点选择合适的车辆检测方法。目前方法仍局限于单参数或少量参数的独立检测，且识别精度和效率难以同时满足。后续研究应注重与新技术的融合，提高在现实复杂环境下车辆参数识别的精度、效率、鲁棒性及全面性，以使其更好地应用于工程实际。     

环境激励下自升式海洋平台损伤诊断

为探究适用于海洋平台结构的有效损伤诊断方法,针对某自升式平台的比例模型开展环境激励下损伤诊断试验研究。分别采用频域法中的增强频域分解法和时域法中的随机子空间法处理测试数据,提取前三阶的固有频率、振型和阻尼比等模态参数,并结合频率和振型识别结果计算节点柔度矩阵。通过分析平台模型模态参数和节点柔度矩阵的变化率,识别预先设置的结构损伤。试验结果表明,两种模态识别方法均能有效识别环境激励下的平台模型模态参数,其中利用固有频率变化率能够有效判断结构是否产生损伤,利用振型和柔度矩阵的变化率能够实现损伤的准确定位。     

基于序贯代理模型的转子系统频响特性区间分析方法

在转子系统的频率响应分析中,不确定性广泛存在,并且对分析结果有较大的影响。本文提出了一种面向含区间不确定性转子系统频响分析的序贯代理模型方法。基于区间数学以及转子动力学理论,本文首先建立了含区间参数转子系统频响的控制方程。基于传统的静态代理模型提出了面向转子系统区间分析的序贯代理模型方法。该方法首先通过叫少量的样本点构造粗糙代理模型,再提出了两个指标函数进行下一阶段的选点。重复该过程,直到满足收敛条件,最终可以得到转子系统频率响应的精细代理模型,进而得到区间边界。和传统的区间分析方法相比,该方法精度高,适合非线性问题。     

桥梁结构安全监测的动力响应法与评估系统

针对桥梁管理需要,在国内外现有桥梁管理系统的研究基础上,根据目前的技术条件及经济条件,对桥梁管理的安全动态监测系统进行了研究,明确地阐述了桥梁安全性动态监测与分析系统的概念,进行了该系统的结构设计,并对其核心部分结构安全性评估子系统进行了研究：给出了选取的监测参数、评估框架流程、参数识别方法、承载能力评定、荷载模式识别方法以及结构状态评估方法。该系统的使用可以使桥梁管理者及时了解桥梁结构的工作性能状况,正确作出桥梁维修决策,及时消除结构安全隐患。     

拉索非线性振动参数敏感性分析及其频率区间估计

为准确把握拉索的动力学规律并指导工程应用,以拉索非线性振动理论(拉索自振频率的摄动法公式)为基础,以工程中常用的典型拉索为例,对拉索非线性自振频率的边界条件效应、参数敏感性以及区间估计方法进行研究.研究结果表明:拉索的边界条件效应随拉索长度、索力以及频率阶次的不同而不同;索力、线密度、弦长、抗弯刚度4个参数对于拉索各阶自振频率在影响程度、影响方式方面均存在显著差异,总体而言,自振频率偏差与索力和抗弯刚度2个参数的偏差成正比,与线密度和弦长2个参数的偏差成反比;根据拉索参数的概率统计特征能够获得拉索自振频率的区间估计.     

基于精细积分算法的动荷载识别研究

为深入探讨动荷载识别问题,基于精细积分法的基本原理,针对单自由度和多自由度体系,假定外荷载在离散时间步长的微小时间间隔内按线性规律变化,推导出一种动载荷识别时域方法。通过实例分析了该法对不同类型荷载进行识别的效果。结果表明:该法对于稳态荷载以及随机荷载均是适用的,具有很好的稳定性、一定的抗噪能力、且计算精度较高,计算量较小,便于工程应用。     

物联网在公路运输业的应用探讨

对物联网在公路运输业中的应用进行探讨,通过射频识别、红外感应器等将车辆与物品的信息记录下来,并随着车辆运输行进过程辅以GPS与G IS技术,对车辆位置与物品位置进行有效跟踪,为查询车辆交通信息与物品运输实时信息提供帮助,从而提高公路运输服务能力和水平,降低物流成本。