地铁暗挖车站初支拱盖法开挖工序数值模拟优化

初支拱盖法地铁车站通常较大,施工中变形控制一直是重点。为优化施工开挖顺序,保证施工安全,结合贵阳地铁施工案例,通过数值模拟进行开挖工序参数优化,并对优化后的施工方案进行长期监测,最终形成以下结论:(1)采用数值模拟的方式提前获知开挖施工过程中的关键控制工序,可以有效预演施工过程,为施工优化提供详实参数;(2)在初支拱盖法施工条件下,采用缩短开挖进尺和增加初支刚度的方式可以减少围岩扰动,增加岩体稳定,有效保证结构安全;(3)实际施工中,临时支撑拆除和核心土开挖引起的地表沉降占总沉降量的近50%,施工中需要严格把控。     

矩形顶管关键技术研究现状及发展趋势探讨

首先，对矩形顶管技术的发展历程及其国内外研究现状进行综述，介绍当前矩形顶管技术主要的应用场景，并结合顶推力预测、注浆减阻、背土效应演化机制和控制对策、顶进过程中的地层响应模式和沉降计算、工作面稳定性评估等关键技术问题，对矩形顶管的理论研究进展进行回顾和讨论。其次，根据矩形断面掘进机的结构形式和切削方式，对国内外矩形顶管掘进机的开发现状及其分类进行介绍。最后，归纳当前矩形顶管在装备及工程应用领域面临的技术挑战，探讨矩形顶管技术的发展趋势，对矩形顶管装备智能化，矩形曲线顶进，长距离、大断面及复合地层等复杂场景下的矩形顶管技术进行展望。     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性，提高交通流参数估计精度，基于深度学习提出一种交通流参数估计的组合方法。根据目标断面及其上游断面的交通流数据构造输入矩阵，利用卷积神经网络捕捉交通流的空间特性，使用长短期记忆和门控循环神经网络挖掘交通流的时间特性，组合3 种深度学习方法所得输出，得到交通流参数估计值。采用中国安徽省合肥市和美国加州萨克拉门托的交通流数据进行验证。结果表明：新方法的性能优于已有各种方法，使估计误差降低 5.72%~33.29%；新组合方法具有较高的准确性和可靠性，能为智能交通系统运营与管理提供高质量的基础数据。     

基于强化学习的干线信号混合协同优化方法

交通拥堵已成为很多大中城市普遍存在的社会问题。信号控制作为缓堵保畅的重要措施之一，愈发受到社会关注。信号优化手段可分为模型驱动和数据驱动两类，且随着交通大数据的不断充实，基于强化学习的数据驱动方法日益成为新兴发展方向。然而，现有数据驱动类研究主要偏重于决策模型设计，缺乏对智能体结构的探讨；同时，在多路口协同方面多采用分布式策略， 忽略了智能体之间信息交互，无法保障区域层面的整体最优性。为此，本文以干线信号为对象， 构建一种多智能体混合式协同决策的信号优化方法。首先，针对交通状态的多样性、异构性及数据不均衡性，设计分布训练-分区记忆的单智能体决策模型，并优化状态空间和回报函数，界定单路口控制的最佳方案；其次，融合分布式和集中式学习的模型优势设计多智能体交互方法，在单路口分布式控制的基础上，设置中心智能体评价局部智能体的决策行为并反馈附加回报以调整局部智能体的决策模型，实现干线多信号的协同运行。最后，搭建仿真平台完成效果测试与算法对比。结果表明：新方法与独立优化和分布式协同相比，在支路交通流基本不受影响的前提下， 干线停车次数分别降低了14.8%和13.6%，具有更好的控制效果。     

基于注意力机制的CNN-LSTM剩余寿命预测研究

机械设备剩余寿命的准确预测可以降低昂贵的维护费用,提高机械设备的安全性。随着深度学习的发展以及注意力机制被广泛应用于各个领域,基于数据驱动的剩余寿命预测方法为机械设备寿命预测提供了众多的方法。文章提出了一种基于注意力机制的CNN-LSTM剩余寿命预测方法,该方法利用不同的注意力机制包括通道注意力、CBAM机制和自注意力等进行剩余寿命预测试验。注意力机制可以向CNN-LSTM提取的特征信息分配不同的权重,突出关键的特征信息,过滤无用信息,进而更准确地表示设备的退化特征信息,最终得到设备的剩余寿命。文章对NASA发动机数据集进行了剩余寿命预测试验,同时研究了不同注意力机制影响,试验结果表明,基于注意力机制的方法可以有效地进行剩余寿命预测,所提方法具有一定的应用价值。     

兰新高速铁路高寒地段路基温度场数值模拟分析

兰新高铁浩门至大梁区间所处地区海拔高,气温低,冻结期长,属于深季节性冻土区。为解决该区间路基冻害问题,依据当地气候条件,运用ANSYS有限元分析软件,对低路堤、零断面换填路基及不同深度处铺设保温材料的路基温度场进行数值模拟,分析路基冻结深度的变化规律和最大冻结深度,为高寒区高速铁路路基冻害防治措施设计提供参考。研究表明:(1)由于兰新高铁浩门至大梁区间海拔高、冬季冻结时间长、气温低等原因,导致路基冻结深度大;(2)零断面换填路基实测地温和数值模拟计算结果基本相符,所选计算模型、参数等可以为其他相同条件断面数值模拟分析采用;(3)铺设保温板路基温度场较未铺设保温板的0℃线上移,冻结深度增加速率变小,最大冻结深度明显减小,路基保温效果较好;(4)由于路基边坡、基床以下部位土层性质、厚度、热物理参数等影响,低路堤最大冻结深度比零断面换填路基大。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

新型深水块石抛填和夯平一体化施工船研发应用

本文依托长江南槽一期深水航道整治工程,在深入研究现有块石水下抛填方法的基础上,研发了新型的开敞式深水快速高精度抛填和整平一体化新设备,对其可行性进行了多次测试试验,确定了装备的选型。并采用数值模拟、物模试验等结合的方法进行了结构的验算,确保设备的使用可靠性。该设备可以适应35m水深、2m/s流速,配有实时定位系统,可以实时采集抛填区域的施工效果,实现了抛填和夯平施工和质量检测一体化,通过施工数据分析,该设备达到了93%的抛填合格率,在精度提高至±20cm时合格率可达85%,整平精度可以达到5cm,创新了抛填施工的新装备,经鉴定,该装备达到了国际先进水平,可为类似设备建造选型提供借鉴。     

基于Kubernetes的铁路客运营销深度学习平台的设计与实现

为解决铁路客运营销深度学习平台Tensorflow框架存在的环境配置复杂,资源利用率低、模型设计周期长等问题,提出了基于Kubernetes容器的PaaS平台构建TensorFlow容器的统一资源调度管理及API访问控制服务架构。经平台实践证明,该架构为客运营销提供了可靠、稳定的分析环境,降低了模型的训练难度,提高了模型的训练效率。     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。