地铁综合监控系统集成方式分析

综合监控系统（ISCS）是对城市轨道交通线路中所有电力和机电设备进行监控的分层分布式计算机集成系统。包含了内部的集成子系统,并与其他专业自动化系统互联,实现信息共享,促进城市轨道交通高效率运营。通过对国内外城市轨道交通综合监控系统的调研,详尽分析目前地铁综合监控系统的几种集成方式各自的特点。通过比较可看出顶层信息集成方式存在的不足以及深度系统集成方式的优势。给郑州新建地铁的综合监控系统集成方案的设计提出了一定的建议。     

IP网流量分析及应用

深入的IP网流量分析技术已成为挖掘现有网络资源潜力,提高网络运维水平的重要手段.对IP网上各类基于业务或用户的应用感知识别,对用户行为特征的细化分析,是实现网络可管理、可运营的基础.通过对IP网流量分析所采用技术的研究和对比,说明了深度包检测技术的优势并对其应用进行探讨,为IP网的运维管理提供参考.     

基于深度优先搜索的铁路站场遍历算法研究

在列车运行控制系统中,及时准确地了解列车所在位置是非常重要的。卫星定位技术GNSS(GlobalNavigation Satellite System)已经逐渐应用到列车定位技术中,在对列车进行定位时需要对定位数据的可靠性进行验证。车站的定位数据可靠性验证工作建立在对车站站场进行多次遍历获得定位数据的基础上。利用计算机仿真技术模拟列车在站场内遍历能够对现场很难实现的遍历情况进行重复测试。本文对铁路站场与有向图的相似性进行研究,建立基于铁路站场结构的拓扑模型,在此基础上结合站场实际遍历的情况与图的深度优先遍历算法思路,提出一种基于链表数据结构的连续遍历站场的算法。结合实际站场图进行遍历算法仿真,较好地实现了连续遍历并获取较高的遍历效率。     

涵洞整体式基础分析与设计

主要介绍涵洞整体式基础选择及设计要点,重点分析整体式基础地基承载力的深度修正,并通过计算,对整体式基础的材料选用进行了比较说明。     

横向荷载作用下板桩墙入土深度计算方法的探讨

分析计算表明，在横向荷载作用下的板桩墙，当按极限土压力计算其稳定性所需入土深度时，应与按弹性反力计算其变形和内力五相联系，并在两者之间反复修正才能得到合理结果，这在理论和实践上均有必要。     

浮式再气化平台锚定嵌岩桩内力分析

基于国外某浮式再气化平台锚定嵌岩桩设计,介绍水平分层钢管混凝土复合截面参数和刚度计算,描述往复荷载及岩质条件下的P-Y曲线绘制方法并采用ANSYS软件编制通用程序实现桩土相互作用的P-Y曲线仿真模拟。讨论不同地质模型、往复荷载和非往复荷载作用下桩的P-Y曲线、嵌岩深度、荷载作用高程以及岩石单轴抗压强度对锚桩内力的影响。研究成果可为浮式再气化平台锚定嵌岩桩设计与施工提供参考。     

基于深度置信神经网络的半潜式平台浮体运动模型和响应预测研究

半潜式平台承受着风、浪、流等复杂环境荷载的耦合作用,在工作海况下平台的浮体运动多为波频小幅运动.在极端海况下平台产生大幅运动对结构的安全带来威胁.本文基于深度学习理论,开展了半潜式平台运动响应预测及分布规律的研究.首先,按照10 min为时间间隔对环境监测信息进行划分,对风速、波浪压力等环境监测信息的分布规律进行研究并选取合适的分布拟合参数,结合分形学理论及统计分析的方法,提出了实测风速、波浪压力等数据的特征参数,并结合浪高、周期、流速、流向等实测数据,建立了具有降维特征的环境信息输入参数;其次,基于实测响应数据,以横摇为例,以10 min为时间间隔对其监测信息进行划分并对其分布规律进行研究,并选取合适的响应分布拟合参数作为响应的特征参数;接着,利用北斗远程传输系统传输的监测数据,基于深度置信神经网络(Deep Belief Network,DBN)建立极端海况下实测环境荷载与实测响应的关系模型,并与基于BP、Elman神经网络的关系模型预测结果进行对比,可以看出,基于DBN神经网络的关系模型预测误差仅为5.07％,结果较为准确;最后,基于DBN神经网络建立了荷载特征参数与响应分布拟合特征参数的关系模型,并与基于DNN、BP神经网络的关系模型预测结果进行对比.研究发现,基于DBN神经网络的预测模型结果更为准确,更接近于真实响应的分布规律,可以对工作海况下平台安全作业提供一定的指导.     

稀土对30CrMnSiA钢离子S—N—C共渗组织和耐磨性能的影响

本文研究了稀土元素对离子硫、氮、碳共渗层金相组织，渗层深度及耐磨性能的影响。结果表明，一定量的稀土元素对离子硫、氮、碳工艺具有较明显的催渗作用，使渗层深度提高２５％以上，改善了表面组织，使表面硬度增强，耐磨性能提高２倍以上。     

基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

鸟类在铁路接触网筑巢一直是造成接触网故障的一个重要原因,目前主要依靠人工巡检的方式确定是否存在鸟窝,不仅工作量大、漏检率高,而且效率低。因此提升接触网鸟窝的检测效率,及时排除隐患,对保障铁路安全运营具有重要的意义。针对此问题,提出了一种基于深度卷积神经网络的Faster R-CNN模型用于接触网鸟窝的自动识别。通过自定义合适的网络结构和参数,经过预训练、 RPN网络训练、Fast R-CNN网络训练以及对RPN和Fast R-CNN的联合训练,建立了适合鸟窝检测的Faster R-CNN模型,实现对鸟窝的检测。经试验,Faster R-CNN的准确率为88.5%,每张图片的识别速度为79 ms,通过与传统的HOG方法、DPM方法和卷积神经网络方法进行比较,验证了深度卷积神经网络对铁路接触网鸟窝检测高效性。     

寒区隧道隔热层设计参数的实用计算方法

根据冻土学基本理论推导寒区隧道围岩的季节冻结深度和季节融化深度计算公式.根据传热学的热流连续定律,分别计算隧道围岩的热流量及含隔热层和衬砌隧道围岩的热流量;采用当量换算法推导出寒区隧道隔热层厚度及导热系数的计算公式.以青藏铁路风火山隧道为例,采用推导的隔热层厚度及导热系数公式进行计算.结果表明:隧道DK1 159+046断面在2004年需要的隔热层厚度为4.1 cm,导热系数为0.03 W·(m·℃)-1;考虑未来50年升温2.6℃,全隧道铺设厚度为5cm、导热系数为0.03 w·(m·℃)-1的隔热层,在前20年基本保证围岩不融化,在之后的30年围岩可能会融化.隧道实际的隔热层厚度为5 cm,导热系数为0.03 w·(m·℃)-1,2004年实测地温资料表明隧道围岩没有融化.此计算公式在寒区隧道设计的初始阶段,可用于指导隧道隔热层厚度和导热系数的参数设计.