面向接触网状态监测的无线传感网络循环冗余校验多项式性能研究

为满足接触网状态在线监测中无线传感模块传输数据的校验要求，保障无线传感网络节点通信的高可靠性，研究循环冗余校验（CRC）多项式的校验性能。首先，对含x+1因式的CRC多项式进行残余误差概率计算，比较不同CRC多项式之间的残余误差概率，确定影响残余误差概率的主要因素；然后，提出1种可定量评估CRC多项式性能的简单计算方法，适用于任意数据位长校验时性能更优多项式的精确选取；最后，以无线传感模块中数据位长为256 bit的待校验数据为验证对象，针对无法通过简化计算直接比较性能优劣的CRCANSI多项式和CRC-CCITT多项式，采用近似残余误差概率与位出错漏检率精确计算的方式，实现对2种多项式性能的定量评估。结果表明：多项式残余误差概率与待校验数据位长、最小汉明距离、CRC校验码位数和字节出错概率直接相关；待校验数据位长为256 bit时，16位CRC多项式更为适用；总数据位长为272 bit （含16 bit校验位）、BSC信道下位出错概率小于5.422×10-3时，CRC-CCITT多项式总体检错性能优于CRC-ANSI多项式。     

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。     

钢桥面冷拌树脂铺装服役现状

为解决我国钢桥面冷拌树脂铺装实践经验缺乏等问题，以文献查阅、交流问询和实地观察相结合的方式，对17座采用冷拌树脂铺装方案的钢桥进行了调研，对病害原因进行了分析，结果表明：冷拌树脂铺装方案服役状况总体良好，裂缝和车辙不容忽视，施工缝开裂在17座桥梁中占比超60%,纵向裂缝、车辙病害在10座RA+SMA桥梁中占比均超50%。此外，冷拌树脂铺装方案还存在鼓包、层间黏结抗剪性能不足、抗滑层耐磨性能不足、平整度差等问题，以及表面抗滑层存在掉粒现象。冷拌树脂铺装方案在跨线桥、匝道桥等单体面积较小的工程中具有一定的优势，为保障及提升冷拌树脂铺装方案的服役寿命，宜提升冷拌树脂的韧性，宜采用黏结抗剪性能更优的二阶热固性环氧树脂等作为黏层，宜加强施工缝界面处治，不宜将冷拌树脂混合料作为磨耗层，应避免雨季、高湿度环境下施工，施工后天气应良好以保障养生强度的形成。     

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。