客车主要噪声源识别的试验研究

基于偏奇异值分析法识别噪声源的基本原理，采用了近场声压测量法，同步采集15个传感器的振动与声压信号，识别出客车车外噪声的主要噪声源，分析出各噪声源对车外噪声的贡献并做出降低车外噪声的预测分析。所采用的试验与分析方法具有计算量小、声源定位准确的特点，并且可以准确预测零部件的改进对车外噪声的影响。试验研究和实车应用表明，这种方法可以适用于复杂的工程实际。     

基于改进 BiLSTM 网络的地铁车轮磨耗预测模型

针对地铁车轮磨耗数据时间跨度较长引起的长期依赖问题,为了进一步提升预测精度,提出一种将麻雀搜索算法(sparrow search algorithm,SSA)优化双向长短期记忆网络(bidirectional long short term memory,BiLSTM)的改进 BiLSTM(SSA-BiLSTM)网络模型,用于地铁车轮磨耗预测。首先,利用麻雀搜索算法对双向长短期记忆网络算法的神经元个数、迭代次数、输入批量和学习率等超参数在给定范围内进行寻优,得到参数最优值;然后,以参数最优值来构建改进 BiLSTM 网络模型,对车轮磨耗进行预测分析;最后,以车轮踏面磨耗和轮缘磨耗作为研究对象,将某地铁 1 车厢 1 号车轮的现场实测历史磨耗数据作为输入,对该模型进行训练及验证分析,并与多层感知机(multilayer perceptron,MLP)、LSTM、BiLSTM 以及 SSA-LSTM 模型的预测结果进行对比。研究结果表明：SSA-Bi-LSTM 模型的车轮磨耗预测精度更高,与 LSTM、BiLSTM 以及 SSA-LSTM 网络模型相比,踏面磨耗的平均绝对百分误差(mean absolute percentage error,MAPE)分别降低了 13.28%、10.32%、1.47%,轮缘磨耗分别降低了 9.5%、0.46%、0.02%;分别对同一地铁 2 号、4 号车厢的 1 号位置车轮磨耗进行预测,并与磨耗实测数据进行对比,踏面磨耗的平均绝对百分比误差分别为 1.34%、1.42%,轮缘磨耗的平均绝对百分比误差分别为 0.18%、0.19%,验证了本文所提模型具有良好的泛化性,为地铁轮对智能化管理提供理论支持,延长车轮使用寿命。     

粉沙质海岸港口外航道淤积物粒径组成的预报方法研究

预报淤积物的粒径组成,在特定的情况下是十分重要的。就目前泥沙研究的水平而言,预报淤积物的粒径组成只能进行概化研究,并得出可供参考的结论。从粉沙质海岸泥沙淤积机理出发对此进行了初步探讨,计算的方法得到了实测数据的检验。提出的研究方法可以有针对性地解决粉沙质海岸的工程问题。     

HSP声波反射法在地质超前预报中的应用

隧道超前预报是近年来颇受工程界和地质界人士关注的课题,方法很多,实践也比较丰富,声波反射法便是其中之一。从声波反射原理、工作状况和实际工程应用等方面,阐述HSP声波测试在隧道开挖中的应用价值和意义。     

高精度陀螺全站仪在长大铁路隧道CPⅡ平面控制网分段建网测量中的应用

为了确保隧道贯通前CPⅡ分段建网的精度,保障隧道的顺利施工,以格库铁路阿尔金山隧道为工程背景,采用高精度陀螺全站仪对洞内CPⅡ平面控制网加测多条陀螺边,并提出了陀螺定向精度观测精度内检核、多条陀螺边定向复核的方法,对陀螺定向边位置的选择、陀螺方位角观测中误差、陀螺方位角观测值的应用区间进行探讨。应用高精度陀螺定向成果对比分析洞内CPⅡ分段控制网成果,从理论上探讨了加测陀螺边对CPⅡ控制网贯通预计精度的影响,解决了隧道贯通前CPⅡ平面控制网精度无法验证的问题,确保了CPⅡ分段建网的精度,总结出一套高精度陀螺全站仪在长大铁路隧道CPⅡ平面控制网分段建网测量中的应用方法,其中包括陀螺定向边间距约2 km、陀螺定向边采用对向观测、每测站数不小于4测回且观测方向平均测角中误差应小于仪器精度(3.6″)、依据陀螺观测计算方位角与导线推算方位角较差值并将成果应用划为三个应用区间、依据陀螺定向观测精度变换权重降低贯通预计值、优化约束平差计算方案等。     

海军舰艇编队雷达系统EMC预测分析仿真研究

针对未来海军舰艇编队作战复杂电磁环境,从系统工程的角度人手,建立编队雷达系统间EMC预测分析模型,并构建仿真软件验证了模型的有效性,能为实施舰艇编队频谱管理提供技术依据.     

塑料排水板堆载预压法处理软基的固结效果

结合某填海造地道路地基处理工程实例,探讨塑料排水板堆载预压法的加固机理;基于现场软基沉降监测实测数据,采用双曲线法对加固后的软土地基沉降进行预测,并分析地基的最终沉降量及固结度。研究结果表明:塑料排水板堆载预压法在软基处理中的加固效果较好,堆载预压结束后,软基固结度可达到80%～95%,满足设计要求。     

道路交通安全水平预测的统计模型

为了评价和预测不同国家的道路交通安全水平,建立通用的统计模型,作者首先分析道路交通事故死亡率与人口规模、机动车保有量、道路里程以及人均GNP之间的相关关系,根据相关性选择影响道路交通事故的因素,并建立万车死亡率与人均GNP之间的函数关系.模型计算结果与校核数据对比分析表明,所提出的模型能够较好地评价和预测一个国家或地区的道路交通安全水平.模型对交通管理者提高交通安全性的科学决策具有重要指导意义.     

基于GIS的公交乘客信息系统的研究

考虑到乘客出行的心理特征差异,利用公交乘客信息系统的关键技术和GIS的特性,建立基于公交乘客出行路径优化模型的城市公交乘客信息系统,可为进一步开发适合我国的城市公交乘客信息系统提供重要的参考.     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。