HAP封层在高速公路养护中的应用

HAP封层是高速公路沥青路面养护的一种有效的预防性养护措施.该文结合广东省两条高速公路HAP封层的养护施工技术,探讨了HAP封层的施工、质量控制以及处理段的封水路面性能控制指标,为今后的HAP封层养护施工提供借鉴.     

基于深度学习的船用大功率放大器特性数学建模

设计基于深度学习的船用大功率放大器特性数学建模方法,合理分析船用大功率放大器特性及特性影响因素间的相关性,为船用大功率放大器实际应用与改进提供可靠依据。通过模拟实验采集船用大功率放大器特性影响因素数据,并对其实施有效的归一化处理,将归一化后的船用大功率放大器特性影响因素数据、放大器输出功率当作深度学习算法的有效输入以及输出,利用深度学习算法合理实施训练,合理构造、拟合船用大功率放大器特性关于影响因素的数学模型,并实施合理验证。实验结果表明：该方法构建的船用大功率放大器特性数学模型,可有效分析负载电阻、环境温度等影响因素与船用大功率放大器间的相关性,助力设计出更适合应用于水上领域的船用大功率放大器。     

钎杆对岩体有效作用力试验研究

钎杆是高频破碎锤工作时作业环境最恶劣、受力情况最复杂的关键构件。为探究钎杆对岩体的有效作用力及其变化规律,从而确定最佳工作频率,本文基于高频破碎锤凿击模型试验,得出了钎杆的凿入深度及微应变随时间的变化情况,并基于此分析了凿入深度和微应变随时间的变化规律,推导了有效作用力的计算公式。研究结果表明：钎杆凿入岩体时的微应变与时间呈周期相同但幅度不同的振动曲线关系,其中峰值最大的振动为有效作用;钎杆的凿入深度和有效作用力均随凿击时间呈非线性正增长趋势,但不随挡位的增加呈线性增长;从钎杆的工作效率和磨损情况看,3挡均为最佳工作挡位,其对应的工作频率即为最佳工作频率。     

深度学习的SAR图像海洋涡旋自动检测及其特征提取

本文针对SAR卫星遥感图像海洋涡旋自动检测问题,提出一种基于YOLOX高性能目标检测的海洋涡旋检测模型YOLOX-EDDY,该模型能够精准检测到亚中尺度海洋涡旋。根据SAR图像海洋涡旋的螺旋线形态,本文提出了涡旋中心位置、涡旋尺度和涡旋边缘位置等特征参数自动提取方法,实现了从海洋涡旋自动检测到涡旋特征信息提取的自动化处理。利用国家卫星海洋应用中心和中国资源卫星应用中心提供的高分三号卫星海洋涡旋SAR图像,构建SAR图像涡旋样本库,进行涡旋自动检测模型训练与验证、涡旋特征参数提取实验。实验表明,本文提出方法具有较强的泛化能力,能够实现海洋涡旋精准检测和涡旋特征参数提取。     

基于残差增强门控循环神经网络的交通流量预测技术研究

随着近年来智慧城市轨道交通的快速发展和普遍应用,交通流量预测成为智慧城市轨道交通的关键性问题,对及时掌握交通状况、进行合理的资源配置和人力部署起着重要作用。文章以实现大规模交通网络的交通流量准确预测为目标,研究并设计一种基于残差增强门控循环单元的深度学习网络模型。在基本门控循环单元的基础上,引入残差连接思想,通过在门控循环单元的迭代回路之间增加线性连接,捕获数据中的长期时间依赖关系,同时克服循环神经网络在进行长期时间序列预测中的梯度消失或梯度爆炸问题。使用4个在真实交通网络中采集的大规模交通数据集对所提算法进行测试,分别从定量和定性的角度比较并验证所提算法的有效性。实验结果表明该算法能够使用前1h的历史数据、对大规模交通网络中各交通枢纽节点未来1h的交通状况进行较准确的交通流量预测,证明使用残差增强门控循环网络进行交通流量智能预测的可行性和准确性,为城市轨道交通智能运营管理的实现提供有力支撑。     

人为坑洞对运营铁路路基稳定性的影响

为了研究人为坑洞对铁路路基稳定性的影响,分析了坑洞坍塌的原理,采用理论推导的方法,在荷载临界深度判别法的基础上考虑了土拱效应和坑洞侧墙稳定对临界深度计算的影响,从而求得修正后的临界深度判别公式,并采用数值模拟验证计算结果的准确性。然后结合工程实例,采用不同方法对坑洞稳定性进行评价,并分析各种评价方法优缺点。研究表明,相较于其他方法,修正后的荷载临界深度判别法能更准确地评价人为坑洞路基的稳定性。从既有线变形控制角度出发,对Ⅰ、Ⅱ级铁路的加固处理范围提出合理建议。     

基于深度学习的短期交通流预测方法综述

针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、多步预测与单步预测以及单体预测与集成预测等相关问题;按照网格化和拓扑化2种交通流数据组织方式,分别综述了当前最新的基于深度学习的短期交通流预测研究方向。研究结果表明：针对网格化交通流数据,当前研究主要包含了基于2D图像卷积神经网络、基于2D图像卷积神经网络与循环神经网络相结合、基于3D图像卷积神经网络3种预测建模方法;针对拓扑化交通流数据,当前研究主要包含了基于1D因果图像卷积与卷积图神经网络相结合、基于循环神经网络与卷积图神经网络相结合、基于自注意力与卷积图神经网络相结合、基于卷积图神经网络的时空同步学习4种预测建模方法;总体上,基于深度学习方法进行短期交通流预测相较于采用时间序列和经典机器学习方法获得了预测准确性上的极大提升;未来,针对物理理论、知识图谱与深度学习相结合,构建多时空数据挖掘大模型以及轻量化、可解释性、模型结构自动化搜索等维度的相关探索将成为重要研究方...     

沿河路基局部冲刷深度的试验与分析

文章讨论了公路沿河路基局部冲刷机理及影响冲刷深度的主要因素,通过模型试验,利用实测数据、量纲原理及回归分析得出适用于新疆315国道芒崖-且末段的路基局部冲刷深度计算公式,为公路水毁的改造提供了理论依据和技术支撑.     

基于深度卷积自编码器和多尺度残差收缩网络的滚动轴承寿命状态识别

针对滚动轴承早期故障识别困难、退化性能难以准确评估的问题,提出了基于深度卷积自编码器(DCAE)和多尺度残差收缩网络(MSRSN)的滚动轴承寿命状态识别方法。首先,为获得清晰的故障特征频率及倍频,将原始数据样本转换为包络谱输入深度卷积自编码器中,实现轴承寿命状态特征的自动提取与表达,并基于多维尺度分析(MDS)算法约简寿命状态特征获得低维特征,然后计算低维特征空间内样本间的欧几里得距离(ED),即为轴承性能衰退评估指标;其次,为全面提取轴承性能衰退特征,提出了改进的多尺度残差收缩网络识别模型,并开发了ReLU与DropBlock正则化相结合的新激活策略增强模型的抗噪性;最后,将所提方法及对比方法应用于轴承全寿命实验数据。实验结果表明：笔者提出的性能衰退评估指标能够精准地识别轴承性能退化起始点以及刻画轴承的退化趋势,所提出的改进的多尺度残差收缩网络识别模型在S_SNR=-4～6 dB环境中平均识别正确率为91.75%,能够准确识别轴承寿命状态,验证了方法的实用性以及有效性。     

支撑式平台整平船桩腿拔桩力计算

结合港珠澳大桥沉管隧道基础整平工程,采用了多种计算方法分析整平船桩腿在不同地质条件下的插桩和拔桩,得出了自升式抛石整平船桩腿在工作状态下的入土停止层,以及在整平船插腿施工中的抗压极限承载力和桩腿抗拔极限荷载,同时提出在特殊地质条件下的预控措施,并通过工程施工实践验证,证明该分析计算方法是正确的。