基于连续点云数据的既有铁路轨面信息快速提取算法设计

三维激光扫描获取的既有铁路点云数据具有海量性、离散性等特点,难以从点云数据中快速提取线路参数.为此,结合现场实测数据,提出一种基于连续点云数据的既有铁路轨面信息快速提取算法.通过k-d树实现点云的快速搜索、查询和储存,利用主成分分析法和移动激光点聚类法提取的接触线分割构建出铁路缓冲区,进而通过平面格网法的粗提和多种约束条件下的精提实现了轨面点提取.对既有线路现场试验结果表明,轨面点提取的完整度c和准确度p均在93％以上,该方法能较好地实现钢轨轨面点云的快速提取.     

连镇高铁全线开通运营

2020年12月11日,连接江苏连云港和镇江的连镇高铁全线开通运营,标志着经济大省江苏实现高速铁路南北互通。连镇高铁全长约304 km,设计时速为250 km,于2015年9月全线开工建设,其中连云港至淮安段已于2019年12月开通运营。连镇高铁全线通车形成了纵贯江苏南北的铁路主通道,成为江苏铁路的脊梁骨,为促进苏南苏中苏北协调发展、推动长三角更高质量一体化、服务全国构建新发展格局提供有力的交通支撑。     

新型零航速矢量减摇系统研究

针对海洋科研平台、科考船等减摇系统的快速响应性工作需求,在螺旋桨推进器基础上开发了一种零航速矢量减摇系统。本文介绍系统机构设计及其工作原理,结合耐波性计算分析获取船舶横摇规律,采用滑台搭载重物往复移动方式,模拟船舶规则横摇以获得规则波实验条件,并通过船模实验验证该减摇装置作用下的船舶横摇减摇效果。零航速规则波模拟实验研究表明,该减摇装置具有可控性强、易改装的特点,能够大幅提高船舶的耐波性,为后续工程试验船舶上安装该减摇系统奠定理论与实验基础。     

中国智能高速铁路2.0的内涵特征、体系架构与实施路径

文章系统总结中国智能高速铁路（简称：高铁）顶层架构设计、关键技术创新、基础平台建设、工程示范应用等方面取得的主要成就，分析“十四五”时期中国智能高铁面临的内外部形势和要求，提出智能高铁2.0的内涵和主要体现在“体系正向设计、全专业协同、跨行业综合、预测性分析”4个方面的代际特征，从技术体系、数据体系、标准体系等维度构建智能高铁体系架构2.0，规划建造、装备、运营等领域智能化重点攻关任务和实施路径，可为“十四五”时期智能高铁2.0的研究和应用提供重要指导。     

绿色新能源助力城市水上会客厅--上海苏州河新能源游船交付运行

近日,上海苏州河新能源游船项目顺利完成首船交付,并完成试运行工作。该船由中国船舶集团有限公司第七〇四研究所(简称“七〇四所”)提供电池动力系统。“梦清”号是七〇四所参与研制的苏州河游览工程的第一批新能源观光船之一。这艘现代化的观光船外型潮流,内饰优雅,整船时尚、科技,采用全景式设计,游客可零距离感触苏州河水的灵性。     

TBM机载锚杆钻机摆动结构拓扑优化研究

为解决TBM机载锚杆钻机推进梁的摆动结构作业时因受力复杂而导致的安全性问题，提升其力学性能和稳定性，首先，通过对摆动结构进行静力学分析，确定其作业时应力集中和应力分布极度不均的薄弱部位； 然后，基于子模型法将摆动结构的薄弱部位切割出来，扩大其设计空间，再运用拓扑优化方法进行优化设计，得到该部位全新的拓扑结构形式; 最后，对比分析优化前后摆动结构的受力、变形情况及振动频率。结果显示： 优化后危险工况下摆动结构的应力集中现象明显改善，一定程度上提高了该结构的刚度和强度，同时有效改善了结构的振动特性，提高了结构的稳定性。     

对转桨水动力性能实时预报方法

为了实现对转桨水动力性能实时预报，基于BP神经网络构建对转桨水动力性能预报模型。首先，采用低阶速度势边界元法建立对转桨水动力性能预报模型，通过调整来流速度和前后桨转速开展对转桨水动力性能多工况计算，从而获得构建神经网络所需的样本空间。建立适用于对转桨水动力性能预报的神经网络架构，通过训练使其具备良好的泛化能力。以某组对转桨为研究对象开展水动力性能实时预报方法研究，结果表明，采用BP神经网络预报模型可获得与边界元法精度相当的预报结果，但该模型与边界元法相比计算所耗时间可以忽略不计，可有效实现对转桨水动力性能实时、快速预报。     

信息系统灾备技术分析及方案设计

针对企业对信息系统的稳定性、可靠性和可用性越来越高的要求，文章从灾难恢复考虑因素、灾备等级划分、灾备技术分析、信息系统灾备方案设计等方面进行了详细论述，并对不同灾备模式进行了对比，旨在实现信息系统安全可靠运行，促进企业安全稳定生产。     

基于贝叶斯网络的CTCS-3级列控车载系统韧性

为弥补现有指标的不足，引入韧性作为非常态事件下CTCS-3级（China train control system-3）列控车载子系统运行稳定性的测度指标. 提出了车载子系统韧性量化评估方法，构建了基于贝叶斯网络（Bayesian network, BN）的韧性评估模型，并定义了5种基于韧性的部件重要度指标；进一步利用贝叶斯网络双向推理功能，计算了车载子系统在不同扰动情景下的韧性及部件重要度指标. 研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力，非常态事件扰动下，韧性与可用性指标存在明显差异；不同扰动情景下系统韧性明显不同，扰动发生时，车载子系统面临磁暴影响时的韧性为0.8017，而遭遇雷电时的韧性为0.8819，面临冰雪扰动时的韧性为0.9880；部件重要度存在情景依赖，同一部件在不同扰动情景下重要度排序可能不同，且可能随时间动态变化.