谐波叠加法在道路谱重构中的改进与应用研究

三维路面的数值模拟是车辆虚拟道路试验中的重要研究课题，而道路谱的重构与分析是其中的核心内容。谐波叠加法作为常用的道路谱重构方法，具有良好的适用性及精度。但在解决非规则分布的复杂道路问题时存在着重构精度不足以及计算效率不够等问题。为此，在原有的谐波叠加法基础上，提出基于改进谐波叠加法的道路谱重构方法。通过三次样条插值技术对谐波叠加法进行改进，以正定平方分解 （Cholesky） 次数来减少计算内存，从而提高道路谱重构精度。研究发现，相较于传统的谐波叠加重构方法，基于改进谐波叠加法的道路谱重构算法运行模拟时间大大减少，但是精度明显提升。与直接测量法、载荷谱迭代法、谐波叠加法以及滤波白噪声法等相比，基于改进谐波叠加法的道路谱重构精度在90%以上，具有显著优势。基于改进谐波叠加法的道路谱重构模拟仿真，重构的路面功率谱与标准路面谱能很好地契合，得到更加满意的仿真效果，在车辆虚拟道路试验中具有一定的实践应用价值。     

某船坞接长工程底板荷载重构与加固

船坞接长工程是大型集装箱船半串联建造的适应性基建项目。新船坞设计船型发生重大变化，船舶质量分布和搭载工况与旧船坞存在较大差异，有必要对旧船坞底板进行荷载重构与加固。随着新建船舶大型化的趋势，完成的旧船坞接长工程为船厂长远发展提供必要的基础设施，设计和施工经验可对类似项目具有一定的借鉴作用。     

逆有限元法在船体加筋板结构变形重构中的应用

对结构变形重构技术进行了研究，利用基于最小二乘变分原理的逆有限元法对多种案例的船体加筋板结构进行位移重构，研究了逆有限元模型网格对重构误差的影响，通过MPE误差分析验证了逆有限元法的可行性以及对复杂结构的适用性。为了使逆有限元法更具有工程实用性，结合改进的遗传算法为离散测点的数量和位置选择提供了依据，结果表明通过优化测点布置，可以在保持高精度逆有限元重构结果的同时，大量减少逆有限元模型中测点的数量。     

兵团交通强国战略的实施路径与行动方案

当前是新疆生产建设兵团推进交通强国建设的关键时期。本文立足兵团特征，坚持“近远结合”原则，提出兵团推进交通强国建设的长远思路与定位，并以“十四五”时期为重点，提出近期行动方案与对策建议，为行业主管部门提供决策参考。     

基于分布式光纤形状传感的沥青混合料车辙变形监测研究

车辙是沥青路面典型的病害形式，其现有的检测及评估方法大多存在表观性。因此，对沥青路面结构内部车辙的演变过程、横断面形状进行监测和评估具有重要意义。引入分布光纤形状传感技术，研发了可用于沥青路面的柔性分布式光纤形状传感器，通过理论分析和标定试验明确了其形状测试原理。将分布式光纤形状传感器植入车辙试件，采用光频域反射设备(OFDR)对室内车辙试验进行了加载全过程的实时监测，获取了沿车辙横断面上各测点的时程应变数据。进而，采用空间曲线理论中的Frenet-serret方程，提出基于分布式光纤传感技术的车辙横断面二维形状重构算法，得到发生累积变形时分布式光纤形状传感器的形态演变曲线。提取重构曲线中荷载作用位置处的位移与车辙仪位移传感器数据进行对比，平均相对误差仅为0.981%,证实上述方法可以实现车辙变形的准确监测。最后基于重构得到的车辙横断面形状，分析车辙变形的演变规律，结果表明其与沥青路面永久变形发展阶段中的压密、流动过程具有较好的对应关系。创新性地提出了基于分布式光纤形状传感技术的沥青混合料车辙变形监测方法，有助于明晰沥青路面结构内部车辙类病害的发展规律和横断面形态，为道路基础设施全寿命...     

隧道超欠挖三维扫描检测系统设计及应用

针对隧道开挖时采用全站仪等传统检测设备测量断面少、检测效率低的问题，基于三维激光扫描技术，针对隧道点云数据的特点，设计了隧道三维扫描检测系统，开发了高效快速的隧道超欠挖检测算法。经现场测试，该系统可以自动识别隧道超欠挖的数量、位置、体积等信息，且适用于复杂隧道环境，维护方便，有助于保障铁路隧道施工质量。     

基于CB-CNN与分割残差优化的列控系统网络攻击流量检测

复杂环境中的列控系统容易遭到各类网络流量攻击，现有的攻击流量检测方法往往特征选择差、稳定性较弱，导致检测精度较低。为此，提出一种通道增强卷积神经网络与分割残差优化的攻击流量检测方法。首先通过降噪式自动编码器对正常流量进行建模，同时使用无监督训练将原始特征空间转换为重构特征空间；然后利用通道增强使相关误差向量转化为分类器的多通道输入变量；最后为增加神经网络的特征表示多样性，设计一种多路径的分割残差网络来优化CB-CNN,通过学习不同维度级别的流量特征来优化分类。实验结果表明：所提方法具有较好的训练性能，NSL-KDD数据集与真实铁路安全网络中获得的平均精确率分别为94.573%与96.78%。在误报率较低的同时均具有较好的分类可视化效果。综合对比其他检测方法，提出方法检测实时性较好，能够适用于复杂场景的列控系统网络攻击检测，在噪声存在时具有较好的鲁棒性。     

桥面风场时程重构的机器学习方法

获得桥面的高分辨率时变流场对研究桥梁风致问题尤为关键，然而受传感器布设与测量方法等因素制约，难以通过试验直接测得高空间分辨率的流场数据。机器学习是流场表征的有效手段，但是数据驱动的训练方法在已知样本较少时难以获得准确的模型。针对此问题，引入流场时程的人工神经网络方法，使用流体控制方程辅助模型训练，通过增加未知测点处的方程约束提高模型的精度，得到了考虑物理约束的桥面风场时程的机器学习重构模型。以低雷诺数桥面绕流为例，实现了基于稀疏已知测点时程数据的模型训练，得到了较好的效果。结果表明：通过引入未知测点处的控制方程约束，可在较少已知时程数据的情况下，获得更准确的桥面风场重构模型，为人工智能方法在风场实测时程数据中的应用提供了基础。