广州地铁14号线全刚构桥梁设计关键技术

根据广州地铁14号线高架线桥梁景观和绿色建造的总体设计目标,全线标准段采用4×40m无支座单薄壁墩连续刚构桥、预制节段拼装施工的绿色建造技术。为适应温度及收缩徐变作用,桥梁根据桥高调整联长及跨度。设计研究确定分离边墩连续刚构桥梁刚度标准、节段拼装桥梁强度验算方法;通过先简支再连续后固结的成桥工序,释放预应力二次力对边墩的作用。斜跨路段采用大跨度曲线Y形刚构桥,有效降低大跨度桥梁梁高;薄壁边墩后固结,改善梁端刚度。上部结构Y形三角刚架区采用满堂支架或钢管支架施工,通过控制支架刚度,避免施工阶段次内力锁定在斜腿刚构内,保证初始线型满足设计要求。     

完全有组织排水技术在地铁车辆段中的应用

地铁车辆段在地铁运营中起着重要作用,但在工程实践中地铁车辆段常被暴雨侵袭出现积水,影响车辆段正常使用的现象屡见不鲜。针对这种现状,以某地铁车辆段为例,结合完全有组织排水技术理念,探究车辆段有组织排水技术的应用方式。在对大量车辆段暴雨特点现状调查与分析的基础上,通过剖析其排水体制,提出针对雨水系统的以源头减排来实现削减洪峰流量,采用虹吸雨水、调蓄池等行之有效的有组织排水技术。     

基于伴随算法的客车造型风阻优化研究

采用伴随优化算法对某中型客车进行造型风阻的优化设计,快速识别影响气动阻力的关键造型特征,并提出有效的优化方案,使整车造型风阻降低20.2％.     

车辆离散特性研究及仿真

针对目前有关分车道行驶的方案,对不同车辆行驶速度特征进行的研究,以及对不分车道行驶和分车道行驶两种情况下的车辆运行状况进行的有效仿真,可为当前公交优先通行提供较好的理论基础.     

数控实践教学及其实训故障辨析

阐述了数控实践教学对培养数控专业学生的实践操作技能和加深数控知识的掌握起着重要的作用;通过两年的数控实践教学,结合广州航海高等专科学校的教学安排,提出实践教学要重视内容和突出技能培养;总结了在数控实践教学过程中实训出现的各种问题、突发性故障和人为造成的故障,并提出相应的解决办法,为以后的实践教学提供借鉴,避免类似的问题发生．     

深水浮式生产设施一体化海洋监测系统国产化分析

针对深水浮式生产设施的全方位监测,开展海洋平台监测系统发展和应用现状的国内外调研,阐述一体化海洋监测系统（Integrated Marine Monitoring System,IMMS）关键技术。引入深海一号能源站监测系统实例进行海洋监测系统国产化探索,分析海洋监测系统国产化的发展方向,为今后深水浮式生产设施的安全完整性管理提供借鉴。     

基于AHP-独立性权数法的列车旅客界面设计评价

为了克服高速列车旅客界面现有评价模型指标单一、赋权方法主观随意性、缺乏定量分析的局限性,首先,对新型双层高速列车的试验样车展开满意度调查,在此基础上从评价指标的全面性、系统性和层次性出发,构建了由设施尺度、安全设计、功能使用、空间环境和美学设计5类评价准则和36项具体指标组成的层次指标体系;其次,提出一种AHP法(层次...     

汽车ABS中的模糊神经网络模型参考自适应控制策略

针对汽车制动的特点以及汽车防抱死制动系统的性能要求,建立了汽车的数学模型,提出一种模糊神经网络的自适应控制方案,构建了基于模糊神经网络的控制器和辨识器的结构模型。通过对网络参数的离线训练得出其初值,在控制过程中对网络参数进行在线微调,实现对汽车制动过程的有效控制。仿真结果表明:在不同的路面,汽车均能保持在最佳滑移率附近进行制动,制动时间及距离比较理想,满足ABS的安全性能要求。     

无砟道床板间相对位移测量中感兴趣区域自动提取方法

轨道结构作为高速列车行车的基础,必须保证其良好的在役服役性能,有效地实现无砟道床板间位移测量是实现铁路无砟轨道结构服役状态保持的重要措施。针对无砟道床板非接触式位移测量中感兴趣区域(Region of interest,ROI)自动提取问题展开研究,提出一种基于Faster R-CNN(Faster Regions with CNN)的ROI区域自动提取方法,阐明无砟道床板间位移机器视觉测量原理和实现方法的计算流程。基于Keras图像数据增强模型进行无砟道床板间位移目标库的增加,建立人工标靶数据集。通过CNN中卷积层对测量数据进行特征映射图提取,计算映射图中每个特征点的标靶概率,通过分类和边框回归,精确标记图像中的人工标靶。通过安装某250 km/h的双块式无砟轨道线路的典型测点进行Faster R-CNN算法的准确性和有效性验证。研究结果表明：道床板ROI自动提取算法的召回率为99.16%,准确率为98.91%,可以有效满足无砟道床板间位移测量中精度和准确率的要求;与其他的常用YOLO v3,SSD和Fast R-CNN等ROI算法相比,Faster R-CNN方法的计算效率较好、准...     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...