寒区沥青路面智慧化施工混合料温度预估机器学习模型

寒区沥青路面施工面临骤然降温、大温差、大风等不利天气，造成沥青路面摊铺、碾压温度起伏大，影响沥青路面压实质量，进而诱发诸多病害。以沥青路面施工温度为核心，通过物联网系统和智能元件采集沥青路面施工工艺参数并进行分析，采用机器学习算法构建沥青路面施工温度预估模型，准确掌控沥青路面摊铺和碾压施工温度，确保沥青路面施工质量。结果表明：沥青混合料拌和参数控制精度高，运输、摊铺和碾压阶段的施工工艺参数变异性大，需对参数进行异常值剔除处理，表明当前施工工艺控制技术仍有提升空间；采用随机森林算法对施工工艺参数进行重要性评估，出料温度和施工速度对施工温度影响最显著；基于4种机器学习算法建立了沥青路面施工温度预测模型，其中多层感知机模型最优，对多层感知机模型的隐藏层、神经元个数和学习率进行优化，优化后模型的周期数、均方误差和平均绝对误差降低，整体性能显著提升；考虑气象参数后，施工温度预测模型的训练效率降低，但预测精度提高。工程应用表明：提出的基于多层感知机沥青路面施工温度预测模型与实际工况相符，通过调节出料温度、摊铺速度、碾压速度可以有效减少混合料温度损失。     

时速400km高速铁路弓网参数优化设计

时速400 km高速铁路技术的研发是我国加快建设交通强国的重要环节。国内尚未有适用于400 km下弓网参数评判标准，且现有弓网结构参数无法满足该速度下列车的稳定受流。在建立弓网动力学模型的基础上，基于高速铁路设计规范，尝试建立适用于时速400 km下弓网接触力和离线率的评判标准，并提出400 km/h下弓网各结构参数优化设计方案。结果表明，选用接触线张力35 kN、承力索张力21 kN、接触网弛度0.2‰、弓头悬挂刚度9 000 N/m、弓头悬挂质量6.0 kg、弓头悬挂阻尼80 N·s/m的参数值时，可将弓网接触力最大值、平均值、标准偏差分别由318.04,241.34,58.91 N减小到280.51,220.59,50.87 N,减小了11.80%、8.60%、13.65%,将离线率由4.33%减小到0.94%。优化后的弓网结构参数可以优化接触网弹性均匀程度、增强受电弓与接触网间的跟随性，从而改善弓网匹配效果，提高列车受流质量。研究成果可对400 km/h弓网参数评判标准的制定提供理论支撑。