液压冲击机械的无级调节理论及装置研究

针对目前各国液压冲击机械工作参数调节方法的局限性,突破传统结构原理,率先提出了变行程无级调节理论。通过协调改变施加于冲击器上的推进力Ft和系统工作压力P这两个控制参数,从而相对改变活塞回程反馈信号孔位置,实现活塞行程的连续可变调节来达到无级控制冲击器输出参数的目的。在此基础上设计了一种新型的变行程无级调节装置,并对该装置进行了数字仿真研究,仿真结果说明了该设计方案的正确性,为进一步研制可变频调能的液压冲击机械提供了理论依据。     

双轴贯入试验与直剪试验测定抗剪强度参数的试验研究

利用双轴贯入结合无侧限抗压试验方法与直剪试验方法,分别对不同含水量不同干密度下重塑黄土的抗剪性能进行测定,对比两种方法所测得的抗剪强度参数。结果表明:用双轴贯入结合无侧限抗压试验方法测得的抗剪强度指标C、φ值,通过一定的折减可用来表示土的抗剪强度参数,且两种方法测得的C、φ值随干密度增加而增加,随含水量增大而减小。     

经营性公路收益动态监管模式研究

开展经营性公路的收益监管是完善政府行业监管、宏观调控职能的重要举措。通过对合理回报、项目风险、收益监管措施、收益监管合理性等因素的分析而提出的经营性公路收益的动态监管模式,既能体现经营期内政府与经营者双方对项目风险的合理分担,又可依据科学地确定的合理收益率,通过动态调整收费期限来灵活调控项目的收益水平,具有很强的可操作性与适用性。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。     

我国北方散货港口绿色提升改造难点研究

针对我国北方地区散货港口所面临的淡水资源匮乏、暴雨季堆场内涝、粉尘污染、噪声污染等难点问题，进行散货港口绿色提升改造研究。以散货港口所面临环境问题为导向，基于绿色设计理念，归纳总结出绿色提升改造方向。结合工程案例提出绿色提升改造具体方案，通过新建生态蓄水池构建港口水循环系统，可实现港区2 a一遇暴雨强度下雨污水的全收集、全处理、全回用；通过全过程污染控制，可有效降低港区粉尘浓度和噪声值。     

面向车路协同孪生仿真测试的多尺度滤波同步方法

为提升车路协同孪生仿真测试系统的同步性能，明确了孪生主体的运行机理，分析了影响系统同步性能的干扰因素，建立了孪生状态同步映射模型; 针对孪生状态采样的时钟异步问题，设计了时钟误差估计策略，修正了孪生仿真测试系统的量测时间偏差; 在此基础上，结合卡尔曼滤波原理，引入多尺度滤波器更新机制，建立了考虑同步采样误差的量测噪声模型，提出了多尺度滤波同步优化方法; 最后，在搭建的孪生仿真测试原型系统中，选取NGSIM数据集的车辆轨迹开展试验。研究结果表明:在不同车辆速度条件下，提出的多尺度滤波同步优化方法能够保持良好的同步性能; 在横向坐标同步方面，平均绝对误差小于1 mm，99.5%的绝对误差控制在8 mm以内; 在纵向坐标同步方面，平均绝对误差小于9 mm，99.5%的绝对误差控制在38 mm以内; 在速度同步方面，平均绝对误差小于2.8 cm·s-1，99.5%的绝对误差控制在24 cm·s-1以内; 在偏航角同步方面，平均绝对误差小于1.1×10-3 rad，99.5%的绝对误差控制在1.1×10-2 rad以内; 与航迹推算方法相比，提出的方法能够在横向坐标、纵向坐标、速度和偏航角方面平均提升30.0%的同步精度，能够有效解决孪生主体的状态异步问题，可保障车路协同孪生仿真测试系统的实时同步与精准运行。      

基于站点群体聚集性客流的公交串车调度优化

为提升城市公交准点率、减少延误，解决车辆串车问题，研究基于站点群体聚集性客流的公交调度优化方法。以乘客出行意愿、乘车属性、到站规律等标识公交客流变化特征，以车辆载客限制、站点延误、到达率、下车率等描述串车形成场景。考虑准时性、客流需求、调控策略等约束，采用实时混合控制策略，实现车头时距偏差与乘客总行程时间最小的多目标优化。提出的公交串车调度方法，考虑到乘客到达率的不确定性，并通过调控公交车辆站点驻站时间以及路段平均行驶速度，可满足站点时段性群体聚集公交客流出行需求，防范潜在的公交串车。在模型求解上，考虑到双目标优化视角的差异性，运用超车规则对串车场景下的出站车辆重新排序，设计基于NSGA-II的求解算法，以拥挤距离标定序度关系，以精英策略获取新种群，改进交叉算子，并基于TOPSIS法对获取的Pareto解集择优。最后，以实际公交线路为例进行案例分析，结果表明：基于站点群体聚集性客流的公交串车优化调度模型，系统考虑了乘客乘车属性与车辆载客限制，能够输出最优的车辆滞站与车速调整方案，并且能运算得出车辆离站时间、车头时距偏差、准点率、乘客等待时间以及乘客行程时间等多项运营指标。优化前后对比表...