基于数字孪生理念的跨海桥梁智能维养系统架构研究

桥梁维养系统是实现桥梁高效管养的重要技术手段，智能化运维已成为桥梁管养模式发展的必然趋势，数字孪生技术是实现桥梁数字化、智能化维养的关键技术之一。跨海桥梁由于其工程规模、结构特点及所处区域的特殊性，对桥梁维养工作的要求更高。面向跨海桥梁工程的维养需求，设计了跨海桥梁智能维养系统的总体架构、业务架构、应用架构、数据架构以及技术架构。其中，总体架构由基础层、平台层、应用层以及数据标准、数据安全构成；业务架构按照感知、认知、决策、行动的业务运转模式进行设计；应用架构以业务架构为基础，包括资产管理和业务在线两方面；基于业务架构、应用架构，梳理了系统的数据逻辑链路，形成系统数据架构；技术架构是实现应用架构的技术方案，包含数据采集、数据传输、数据管理、分析处理以及可视化技术5个层级。实践证明，本研究设计的系统架构为港珠澳大桥智能维养系统研发提供了技术支撑，可为其他同类型项目的维养系统研究提供参考。     

混凝土灌注桩施工质量的心法十要研究

研究目的:对于铁路桥涵混凝土灌注桩的施工，由于局部临界软弱土层的坍塌以及影响施工质量的因素预判不准，导致部分灌注桩施工质量不合格，返工处理浪费严重，须采取有效预防措施，确保灌注桩施工质量；由此提出其预防措施的用心统领实施有效方法的十个要点，简称“心法十要”,并对其进行研究。研究结论:(1)心法十要：原材料进场以规定为要；配合比以试验为要；混凝土灌注以控制坍落度为要；软弱地层以控制桩扩径为要；导管位置以控制埋深为要；桩底以控制沉渣厚度为要；桩中以控制混凝土连续为要；桩顶以控制抗压强度为要；完整性检测以最佳处理为要；整个过程以协调为要；(2)心法十要的实施使灌注桩均达合格，可避免返工浪费；(3)本研究成果可为铁路、公路等领域提高混凝土灌注桩施工质量提供参考。     

新冠疫情影响下基于GA-BPN模型的民航客运生产量评价方法

2020年初爆发新冠肺炎疫情，民航运输业受到了巨大的冲击，虽后续国内疫情得到了一定程度的控制，但国外疫情的泛滥，以至于2021年国内各地疫情的点状爆发，对民航客运生产仍持续造成不同程度的影响。鉴于民航客运生产与市场环境紧密相关，且根据国家卫健委的预判，疫情在今后较长一段时间内将长期存在。为了让民航客运生产运营单位在未来能够科学地评价有疫情存在的特殊市场需求，以及合理地规划和安排航班生产，本文提出一种遗传优化算法（GA）结合反向传播神经网络（BPN）的预测模型。实例应用的结果表明，GA-BPN模型相比传统BPN模型降低具备更高的预测精度，可为未来民航的生产规划提供一定程度科学地指导。     

基于物联网平台的电源屏监测系统研究

电源屏是铁路行业专用的供电设备，其状态是否正常直接影响信号设备的工作状态，进而影响行车设备的安全和运输效率。针对目前非智能电源屏监测系统中存在的数据分散、利用率低、可视性差等问题，利用物联网技术和大数据技术，同时引入专家规则，设计并实现了基于物联网平台的电源屏监测系统，既解决了数据“孤岛”问题，又实现了故障预警、统计分析、健康评估等功能，加快了智慧铁路建设的步伐。     

大流量无堵塞旋流泵的优化设计及实验研究

依据三要素设计方法及相关经验公式，对大流量无堵塞旋流泵主要结构参数的尺寸进行初步确定，用ANSYS CFX软件对初始设计的旋流泵进行外特性预测后发现，工况点处扬程仅达到设计扬程的77.1%,效率高出设计效率的24.2%。对主要部件叶轮外径D₂、宽度b₂和包角ψ等进行逐步优化，得到较优化的旋流泵模型，该泵工况点处扬程高出设计扬程3.2%,效率高出设计效率30.5%。为了验证模拟计算的准确性，对实体旋流泵进行了清水输送实验，工况点处实验扬程高出模拟扬程0.7%,实验效率高出模拟效率6.4%。     

基于机器学习的地铁盾构掘进参数智能预测与控制方法研究

盾构掘进的精细化和智能化控制是现代隧道施工技术的发展趋势，为更好地预测和控制盾构掘进状态，提出一种预测和控制盾构掘进参数的智能模型。该模型考虑了多个影响盾构掘进参数的非线性因素，建立了6种基于机器学习与海鸥算法相结合的混合算法(SOA-ML)盾构掘进参数智能预测模型，并提出基于层次分析法的最佳预测模型判别方法；进一步利用最佳预测模型提出了基于PSO算法的掘进参数控制方法。以金华至义乌至东阳市域轨道交通工程为例，验证了模型的有效性。运用结果表明：SOA算法可有效地对机器学习算法的超参数调优，且SOA种群数量越大，搜索的范围越广，最佳适应度收敛性越快；6种算法模型均具有较好的预测性能，根据层次分析法对预测模型进行性能排序为BP>ELM>CNN>RF>SVM>LSTM;基于BP-PSO的盾构掘进参数预测和控制过程具有消耗时间小、预测与优化性好的特点。