复杂艰险山区高速铁路减灾选线设计研究

复杂艰险山区地质灾害问题十分突出,工程建设条件差,高速铁路线型标准高,适应地形及绕避不良地质的灵活性差。对于长达数百至上千公里的复杂艰险山区高速铁路带状工程,众多的地质灾害绕无可绕、避无可避时,只能避大就小,海量筛选技术可行、经济合理、风险可控的线路和工程方案。高效识别“长线路、宽廊道”范围地质灾害,量化百年服役期铁路工程安全风险,科学确定“宏观走向”“空间线位”“工程设置”等多层次风险调控举措,实现以“减灾”为核心的方案群多目标智能优化,是复杂艰险山区高速铁路成功修建与安全运营的关键。本文简介了复杂艰险山区高速铁路减灾选线设计成套技术,该技术以“一套减灾选线理论与方法”+“三大减灾选线支撑技术”为核心,成功突破了复杂艰险山区修建高速铁路的技术瓶颈,支撑了6300 km复杂艰险山区高速铁路的工程建设,指导了1.3万km高速铁路的勘察设计,并被其他陆地交通项目借鉴利用,在服务“交通强国”战略、“一带一路”建设中具有重大意义并具有广阔应用前景。     

新能源汽车再生制动能量回收研究综述

续驶里程及蓄电池供电技术是目前制约新能源汽车普及的主要因素。再生制动技术作为提高整车能量利用率的有效方案，为新能源汽车续驶里程的提高提供了一条切实可行的解决思路。针对再生制动关键技术，分别阐述了再生制动控制策略研究和再生制动能量管理研究两个方面的研究成果。针对再生制动策略问题，分别从制动意图识别、制动力分配以及轮缸压力控制三方面总结了再生制动相关控制策略；针对能量管理问题，分别从制动能量回收潜力与能量回收效果评估两方面对研究成果进行了总结。分析了通过能量流机理计算车辆节能潜力的方法，并对未来再生制动关键技术的研究与发展趋势进行了展望。     

基于深度学习的船舶设备信息智能化识别技术

针对船舶设备信息识别问题，提出采用基于深度学习的方法识别船舶设备种类信息。根据船舶设备特点进行图像预处理和图像样本标记，建立卷积神经网络。经训练得到可用于船舶设备信息识别的模型。对模型进行评估，调整网络结构和训练参数，得到准确率达到期望值的船舶设备信息识别模型。经预测和优化得到基于深度学习的船舶设备信息智能化识别模型，可实现船舶设备仓储管理智能化，在较大程度上提升管理效率。     

基于特征提取和机器学习的异常数据识别算法

结构健康监测系统的大力发展每天都在产生大量的监测数据。对于结构健康监测系统来说，判断这些产生的监测数据是否正常是对结构健康状态进行分析的第一步，也是关键的一步。同时，监测数据的异常与否也是判断传感器、采集设备、传输设备等是否正常工作的关键性依据。对于一段数据进行识别，判断数据是属于什么样的异常，是一个多分类的问题。采用基于特征提取和机器学习相结合的算法，对时序数据进行分类，能够快速地判断数据是否异常和异常的类型。     

道路桥梁检测中的拉索频率识别技术

阐述将拉索频率识别技术应用于道路桥梁检测中的具体应用，进而提出振动频率法原理和相应计算公式。通过试验案例，指出利用IBIS-FS系统进行多阶频率识别，并进一步分析影响拉索索力测量的重要因素，具体包括：拉索边界条件、设置抗弯强度、频谱分析结果的精确度以及减振器装置、拉索垂度等。未来随科学技术发展，拉索频率识别技术应用，其精确能够准确识别桥梁道路振动频率。