新型便携式轨道机车车辆动态称重仪关键技术研究

针对目前动态轨道衡需对道床、钢轨及轨枕进行二次修改的现状,提出了一种新型便携式轨道机车车辆动态称重仪,它的主要特点是对既有线路不进行任何改动就可完成动态称重.通过对新型便携式轨道机车车辆动态称重仪中称重传感器设计及其安装、测试信号处理等关键问题的研究,表述了新型便携式轨道机车车辆动态称重仪的特点.实际运用表明测试效果良好,尤其适用于长大货物列车的称重.     

基于KL散度的驾驶员驾驶习性非监督聚类EI北大核心CSCD

为深入理解不同驾驶员的驾驶行为特点,本文中提出了一种基于KL散度的驾驶员驾驶习性非监督聚类算法。首先,建立了驾驶员驾驶数据实车道路试验采集平台,对84位驾驶员进行了测试;接着,将每名驾驶员的驾驶数据视为一个高斯混合模型(GMM),采取EM算法对其进行参数估计;最后,通过蒙特卡洛算法对各GMM之间的KL散度进行估计,从而获得不同驾驶员差异性的定量描述,将驾驶员聚为不同习性类别。对聚类后各类驾驶员的驾驶数据的统计分析表明,所提出的非监督聚类算法能有效实现不同驾驶习性驾驶员的聚类。     

考虑结构面黏聚力损伤变化的洞室块体稳定分析

为研究隧道开挖过程中临空面块体的稳定情况,进一步探究在其结构面具有胶结强度情况下块体的稳定性,运用黏聚力模型模拟具有填充和胶结的结构面的抗拉强度和黏聚强度,以及相应的滑移和脱开行为。选取甘肃北山某典型花岗岩研究区域搜索出的块体,以及获得的结构面参数区间,分4种方案研究块体的稳定性,同时考虑初始地应力、开挖诱导的二次地应力等因素的影响。方案1赋予抗拉强度和黏聚强度一个很小的数值,从而可以分析块体仅受结构面摩擦应力影响下的稳定性;方案2、3、4分别考虑不同位置的块体可能的失稳情况,通过调整不同块体结构面的抗拉强度和黏聚强度,分析块体稳定性。分析结果表明： 黏聚力模型能较好地模拟具有填充和胶结的结构面的抗拉强度和黏聚强度,并且能模拟结构面的滑移和脱开行为,可作为块体稳定性分析计算的工具;此外,也为模拟胶结结构面损伤随时间的渐进性发展提供一个新思路。     

隧道洞口边坡变形的多阶段递进预测研究

为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明： sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1.03%,方差值为0.042 6,预测精度和稳定性较高,验证了预测模型的有效性。     

岩爆隧道柔性支护快速施工技术

为探究适合硬岩隧道岩爆段的快速施工技术,通过对硬岩隧道整体自稳性及岩爆特点的分析,提出以柔性支护为基础、以岩爆预测、松动圈测试和柔性网试验为保证措施的一种快速施工技术。依托米仓山隧道岩爆段的施工,利用陶振宇判据和Turchaninov判据对不同埋深下岩爆强度进行预测,合理划分米仓山隧道岩爆强度区段,并结合松动圈测试、柔性网试验,对锚杆和钢丝绳网的参数进行研究与验证。实践表明： 1)采用陶振宇判据和Turchaninov判据可以较准确地进行岩爆预测及强度区域划分; 2)利用松动圈测试结果能大致判断隧道开挖后围岩破裂区域的深度; 3)相比传统支护技术,采用喷射混凝土+涨壳式预应力锚杆+柔性防护网的快速支护技术,每循环施工可节省用时约4 h,整个岩爆区段施工速度可提高30%~40%。     

软土刀具的磨损预测——一种研究刀具磨损系统中主要影响因素的新方法

硬岩隧道掘进机的性能很大程度上取决于其切削刀具的磨损情况。刀具的磨损会降低掘进速度,进而导致掘进时间延长、项目成本增加。通常在隧道项目的规划阶段使用预测模型来进行磨损预测,而常规的磨损试验对磨损系统的考虑还不够准确,并没有考虑到刀具/土体的相互作用、周围介质（水、膨润土）以及掘进过程中的荷载等因素。针对该问题,专门设计了一个水平放置的磨损试验设备。本文介绍了该试验方法,研究并讨论了磨损系统相关因素对磨损率的影响。结果表明,该设备可模拟真实的掘进过程,很好地解决了上述问题,达到了高效、准确预测磨损的效果。     

基于遗传算法和极限学习机的智能算法在基坑变形预测中的应用

为解决传统智能算法网络结构参数复杂、运算速度慢等问题,基于遗传算法和极限学习机构建基坑变形的新型优化智能预测模型。先利用皮尔逊相关系数评价不同影响因素与基坑沉降变形之间的相关性,以确定极限学习机的输入层; 再采用试算法确定最优激励函数和隐层节点数,并将遗传算法和极限学习机耦合,利用遗传算法优化极限学习机的初始权值和阈值,以提高预测精度。经实例检验表明： 1)开挖时间、开挖深度、土体抗剪参数及重度均与基坑沉降变形显著相关,为构建极限学习机输入层提供了依据; 2)在预测过程中,激励函数和隐层节点数对极限学习机的预测效果具有一定的影响,以Sigmiod型激励函数和13个隐层节点数的预测效果为最优; 3)通过遗传算法的优化,能进一步提高预测精度,验证了遗传算法的优化能力和有效性。预测模型在不同工况下的预测结果均较优,说明该模型具有较高的稳定性和可靠性。     

基于吞吐量的集装箱码头卡车污染扩散研究

作为港口码头货物的主要陆上运输工具和能源消耗设备,集装箱卡车是港口区域大气环境污染的主要来源之一.从港口大气环境安全出发,分析环保部公布排放因子的局限性,综合考虑集装箱卡车保有量、发动机状态、运行工况、燃料使用和道路条件等复杂因素,通过功率法确定集装箱卡车尾气中CO ,SO2和NO2的平均排放因子.以长江某内河港口为案例计算得到该地区2016年全年各类污染的总排放量,并利用灰色预测估计未来10年该港区集装箱吞吐量的变化,与实际数据对比发现,模型精度达到了95% 以上,预测结果良好.借助高斯模型建立港区大气污染物风险扩散模型并计算未来几年集装箱卡车尾气排放对周围居民的影响.结果表明,2016年该地区4月日平均CO的浓度达到250 ug/m3;SO2浓度为57 ug/m3;NO2浓度为1 100 ug/m3.大气污染排放中NO2占比最大,分担率超过80% .各类尾气污染物24 h平均浓度已远超国家标准,港口区域集卡尾气污染对港口周边工作人员健康和港口所在城市大气环境安全威胁极大.      

降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.      

旅游类大学生职业生涯管理刍议--基于实践教育基地人才培养视角

大学生合理的职业生涯管理不论对于大学生自身发展,还是对于社会人力资源配置都具有重要意义。本文以旅游类学科为背景,以实践教育基地下人才培养为切入点,探讨如何做好旅游类大学生的职业生涯管理教育。