沥青混合料车辙深度影响因素分析及GM（1，1）灰预测模型

为了研究不同因素对路面车辙深度的影响程度,采用3因素3水平的正交试验法测试不同荷载、温度、速度条件下的车辙深度,分别以极差分析法和方差分析法对试验数据进行分析,其结论一致表明各因素对车辙深度的影响程度排序为：荷载＞速度＞温度。建立沥青路面车辙深度 GM（1,1）灰预测模型,进行预测值与实测值的误差分析,表明利用灰理论建立的 GM（1,1）模型具有较高的预测精度,能够对不同使用时间的路面车辙深度进行预测,为路面行车管理和养护维修工作提供理论依据。     

冲击压实技术在路基施工中的应用

冲击压实技术因为其影响深度、穿透力强等优点在公路路基施工过程中得到了很广泛的应用。公路路基施工中的压实工程相对其他工程项目来说难度比较大,目前采用的是通过路基压实轮行走过程中．压实轮质心上下交替变化,其势能和动能联合作用,同时也有滚动压实机动性好、压实效率高等特点。     

基于xDeepFM的铁路货物运输时间预测

铁路货物运输时间会影响物流交付、列车调度等,准确的铁路货物运输时间预测是合理制定运输组织方案的关键.货物列车的运营受很多复杂因素的耦合影响,而既有研究普遍缺乏对各因素特征交互的深入探索,为了探索铁路货物运输时间预测新的特征融合机制、提高整体预测效果,本文创新性地将智能推荐算法领域的xDeepFM算法引入货运时间预测问题...     

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

基于深度学习的海上目标快速检测方法

在智能海洋船艇自主导航和避障过程中，对周边环境的感知能力非常重要。本文针对智能船艇对环境感知的速度和精度需求，提出了基于深度学习的海上目标快速检测方法，并构建了以船舶、浮标和岛屿为检测目标的海上目标数据集。本方法通过提取目标图像不同尺度特征语义信息，应用多框检测器实现对目标的分类和定位，采用非极大值抑制算法筛选最优结果，实现了海上目标快速高精度检测。实验结果表明，本方法在自建数据集上取得了83.3%的识别正确率，单帧耗时9.8ms, 在相同实验条件下，正确率和单帧耗时均优于现有同类快速目标检测方法，证明了该方法可以满足智能船艇对环境感知的速度和精度需求。     

强力推进智慧城市轨道交通建设

随着我国城市化率的不断提升,特大城市、大城市的数量快速增加,建设与智慧社会相匹配的智慧城市轨道交通(以下简称"城轨")已成为推进交通强国建设的一项重要任务。建设智慧城轨的战略指向是:在自主创新基础上,大力应用数字化、智能化、网络化等新技术革命成果,使之与城轨深度融合,推进城轨信息化,大力发展智能系统、建设智慧城轨。经多次讨论并反复征求领导和专家意见后,《中国城市轨道交通智慧城轨发展纲要》(以下简称《纲要》)已于2020年3月12日以中城轨[2020]10号文件正式颁布实施。     

近水面低航速下潜航器深度自抗扰控制

深度控制是潜航器运动控制重要组成部分。在近水面航行时,潜航器受波浪力的扰动,二阶波浪力将使潜航器难以保持深度。同时,低航速状态下,水平舵受航速影响舵效大幅降低,本文基于自抗扰控制技术(ADRC)设计了潜航器深度控制器,通过扩张状态观测器(ESO)观测扰动并及时进行补偿。仿真与水池实验表明,相较于传统PID方法,该控制器使得潜航器具有更好的深度控制效果。