新型地铁列车自主定位及主动防护系统研究

介绍一种研制的新型地铁列车自主定位和主动防护系统,采用国内航天领域成熟应用的惯导平台作为主要定位手段,辅以线路电子地图,并综合运用视觉、雷达等多传感器对多源定位信息融合,修正惯导平台时间的积分误差,新型地铁列车自主定位和主动防护系统经过在城市轨道交通现场实际试用证明,该系统在为列控系统提供高可靠、高精度定位信息的同时,实现列车的主动防护。     

回波检测法振激测点距离的回波信号影响分析探究

本研究以有缺陷预埋的隧道曲面砌衬管片作为目标结构试件,以室内实验分析的方式,对隧道砌衬激振回波检测中的振激部位和测点距离,给激振回波信号带来的影响课题开展专题分析探究,以为同类激振回波检测法工程应用提供研究和技术参考,助力实现有效适用的隧道砌衬激振回波检测。     

多因素影响下顶管施工引起土体变形计算研究

为解决圆形顶管施工穿越特殊地层(如下穿切割塑料排水板)时引起地层变形的影响分析等问题,考虑刀盘挤土效应产生的正面附加压力、顶管与土体之间非均匀分布的侧向摩擦力,因塑料排水管的切削而不能忽略的顶管机刀盘的正面摩擦力引起的地层变形,基于Mindlin解得到在顶管施工阶段地表竖向位移计算公式;最后结合顶管工程项目实例验证计算方法的合理性,并与实测结果对比。分析结果表明:考虑多因素共同影响的地表沉降曲线与现场实测值较为吻合,能够反映顶管顶进过程中纵向地表沉降规律,总体表现为先隆起后沉降。沉降最大值位于开挖面后方8 m左右处;隆起最大值位于开挖面前方5 m左右处。在本文所考虑的影响因素中,影响程度最大的是顶管刀盘的正面附加推力,在沉降变形最大值中占比约为80%,在隆起变形最大值中占比约为56%。选取不同断面分析对比不同深度处土体沉降情况,沉降突变及差异主要表现在顶管轴线两侧12 m范围内。沉降槽曲线近似服从正态分布,不同土层深度的土体沉降最大值均位于顶管轴线正下方。在土体深层沉降中,随着与顶管轴线距离的增加,曲线不再满足随着深度的增加沉降值增大,反而在距离轴线4~6 m远处出现反转,直至随着深度的增加沉降值反而减小。     

基于组合预测模型的铁路货运量预测研究

为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型。首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比。采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值。     

集通铁路长大隧道GSM-R冗余方案研究

针对集通铁路的长大隧道,论述分布式基站和数字光纤直放站的两种冗余方案,通过分析比较两种方案的单网交织以及同站址双网冗余覆盖方式,推荐采用分布式基站单网交织冗余方案。     

大型自航绞吸挖泥船的发展与新的技术要求

论文介绍了国内外自航绞吸挖泥船的发展现状,对比了国内外大型自航绞吸挖泥船技术特点,提出了大型自航绞吸挖泥船新的技术要求；探讨了自航绞吸挖泥船装机功率科学合理增加的可行性；文中表述了绞吸式挖泥船关键技术的研究和应用。     

硫酸盐还原菌对高桩码头抗震设计的影响

国际上高震区高桩梁板码头抗震设计往往采用基于位移的抗震设计方法,且采用钢管桩结构较多,而硫酸盐还原菌(SRB)能在极短时间内对钢管桩造成严重的腐蚀,危害极大。针对SRB的腐蚀机理,提出3种主要防护措施,并对物理防护法的3种不同工程应用方案进行对比研究。结合菲律宾马尼拉某集装箱码头工程设计,采用控制变量法,对3个方案分别进行push-over推覆分析求解。计算结果表明,覆盖层保护法及钢管桩泥面处局部填充混凝土法的结构抗力较大且结构延性较好。对类似工程环境的码头结构设计具有借鉴意义。     

基于乘客群体特征的城市轨道交通满意度研究

为提高城市轨道交通服务质量、优化乘客乘车体验、提升城市轨道交通在公共交通中的竞争力，对城市轨道交通乘客满意度开展研究。首先，选取乘客特征因素，引入皮尔逊积矩相关系数来分析乘客满意度与乘客特征因素的相关关系，提取对满意度存在显著影响的乘客特征因素。然后，运用主成分分析法刻画乘客群体特征，据此对乘客进行分类，并采用克鲁斯卡尔-沃利斯检验法来分析其满意度的差异性。基于此，对某城市地铁A号线2019年乘客满意度调查数据进行了分析，结果显示：地铁A号线乘客的出行频率、出行目的和收入水平与乘客满意度显著相关。通过主成分分析将乘客划分为常乘客与非常乘客，发现两者对城市轨道交通服务的关注点不同，常乘客更关注乘车效率，非常乘客更关注信息指引准确性，运营单位应针对不同乘客群体展开差异性服务。     

施工场景下基于YOLOv3的安全帽佩戴状态检测

针对现有安全帽检测研究中采用的两阶段检测法存在检测效率偏低,累积误差对精度影响较大的问题,提出一种对安全帽的单阶段检测法。将安全帽和工人头部视为一个整体,将检测目标分为2类,即佩戴安全帽的头部和未佩戴安全帽的头部,同时对2类目标进行检测,避免了冗余的计算步骤及累积误差的影响。同时,针对施工场景安全帽佩戴状态检测特点,对YOLOv3的网络结构、损失函数及先验框尺寸进行改进,提出YOLOv3-C模型。研究结果表明:改进后的YOLOv3-C模型的检测性能大幅提升,在本文建立的样本集中模型的mAP达到93.84%,对安全帽检测平均精度达到97.01%,对工人头部检测平均精度达到90.67%,同时YOLOv3-C对本文的检测场景表现出良好的鲁棒性。