基床防排水层土工合成材料工作特性试验研究

通过铁路路基室内试验和现场填筑试验，对比研究了复合土工膜、橡胶合成纤维土工布两种材料的基本力学性能和在不同防排水层构造中的施工损伤，总结了基床防排水层的施工工艺，并探讨了基床防排水层构造优化。结果表明：橡胶合成纤维土工布具有较低的伸长率、较高的强度，其抗拉断裂强度和顶破强力约为复合土工膜的5倍和3倍，其施工损伤系数明显小于复合土工膜，具有较强的抗施工损伤性能。薄层砂垫层宜采用人工摊铺或人工粗平与机械平整相结合的施工方法。砂垫层厚度在0～10 cm时，施工对两种材料的力学性能影响较小，但不铺设砂垫层对材料的水力学性能影响较大。仅考虑施工损伤因素时，可在提高土工合成材料强度、优化填料级配及其施工工艺的条件下，针对性优化基床防排水层的砂垫层厚度。     

环境激励下斜拉索阻尼识别的贝叶斯方法研究

斜拉索是大跨度斜拉桥中最关键的结构构件之一，其动力特性(频率和阻尼等)在大跨度斜拉桥的设计、施工、监测和振动控制中发挥着重要作用，斜拉索阻尼识别对于斜拉索的振动分析和减振设计至关重要。为了实现在环境激励状态下斜拉索阻尼比的高精度识别，并同步对识别结果不确定性进行量化分析，首先通过建立斜拉索模态参数的后验概率密度函数(Probability Density Function, PDF)将模态参数识别转化为求最大后验概率点的约束优化问题，从而得到模态参数的最佳估计(Most Probable Values, MPV);其次推导了负对数似然函数的Hessian矩阵解析表达式，并进一步得到后验协方差矩阵，从中提取和计算变异系数(Coefficient of Variation, COV)以量化模态参数最佳估计的不确定性；最后将所提方法应用于某大跨度斜拉桥斜拉索阻尼比的识别，使用加速度计采集了该桥7根斜拉索的环境振动数据，利用所提方法得到了模态阻尼比的MPV值及其变异系数。研究结果表明：所提方法可以得到目标模态参数的最佳估计，并能够有效量化最佳估计的不确定性，由Hessian矩阵解析方法得到的后...     

丰田智能网联汽车技术专利布局分析

丰田公司制定了全面的智能网联战略规划,并对智能网联技术开展大量的研发,进行系统的知识产权保护。本文基于专利数据,通过对丰田在中国的智能网联汽车专利布局规划情况,从专利申请的态势、研发团队构成、专利技术布局及研发重点方向、合作重点等系统梳理了丰田在智能网联汽车方面的研发情况,从宏观及微观角度解析了技术发展现状为国内汽车企业智能网联汽车技术研发及专利布局提供了借鉴。     

面向铲装作业场景的自动驾驶矿车路径规划方法研究

针对铲装作业场景复杂多变、矿车路径规划实时性及安全性要求高的特点，提出一种基于引导式变步长混合A*算法的路径规划方法。通过建立维诺图获取矿区路网并提取关键点作为方向引导，提升探索效率的同时避免车辆在U形障碍物处陷入局部最优；引入自适应变步长算法并改进启发函数，进一步提高规划效率及路径安全性；通过矿区实车场景试验验证算法有效性。试验结果表明，本路径规划方法满足矿车复杂场景要求，规划时间相比原引导式算法降低68%，路径到障碍物平均距离增加了11%，路径曲率变动次数减少45%，显著提高了计算效率与路径质量。     

基于原位试验的高速铁路中低压缩性土智能识别方法研究

中低压缩性土在我国广泛分布，是高铁路基主要的承载地层。其承载变形快速稳定的特征对高铁路基变形控制有积极意义，因此，中低压缩性土智能识别对高铁路基设计、施工具有重要意义。针对高速铁路路基勘察设计中中低压缩性土的快速、智能识别问题，通过大量的现场原位试验数据，择优确定了以标贯试验、静力触探、载荷试验等原位测试结果为智能判别指标，建立中低压缩性土模糊推演模式，构建高铁中低压缩性土网络预测模型，形成基于现场原位测试的中低压缩性土快速智能识别方法，并通过不同算法进行网络训练和工程预测。结果表明，网络预测结果与实际测试结果整体上吻合度均较高，共轭梯度法相对梯度下降法计算效率明显提高，实现了中低压缩性土原位快速识别与测定，为高铁中低压缩性土路基设计、施工、评估等环节提供了重要依据。     

基于信号集中监测系统的联锁试验

针对现场联锁试验中存在遗漏项目和试验效果不佳的问题,提出了一种在信号集中监测系统基础上开发的联锁试验功能。介绍了联锁试验的数据来源、功能结构、处理流程;借助信号集中监测系统站机平台,对相关接口的数据分析进行了仿真验证。验证结果满足设计需求,在试验中如发现联锁关系出现数据信息异常,能在信号集中监测系统站机平台上给出预、报警展示,大幅度提升了联锁关系试验的效率。