海上风电大直径单桩基础固有频率影响因素的数值分析

针对海上风电整机结构其低阶固有频率的控制问题,基于有限元分析技术开展小直径桩土相互作用的数值模拟分析,与试验结果、API规范计算结果进行对比,验证了数值模型的适用性,分析大直径单桩结构桩内土芯、冲刷深度、表层土置换措施对整机固有频率的影响,结果表明,基于有限元实体单元计算所得一、二阶整机固有频率要明显大于传统p-y方法计算结果;桩内土芯对一、二阶整机固有频率影响很小;在一定范围内,随着泥面冲刷深度的增加,一、二阶固有频率降低不明显,认为传统p-y方法对于大直径单桩的适用性有待研究;在实际工程设计中,桩内土芯的影响可忽略;对于大直径单桩,在一定范围内可以忽略冲刷的影响。     

鱼雷定深航行稳定性的分叉分析

鱼雷定深运动方程含有诸多的非线性项，用传统的分析方法对其稳定性进行研究有较大难度。运用非线性科学中的分叉理论，选定鱼雷定深运动方程中的某一流体动力系数扰动值为分叉参数，系统地分析在经典比例微分深度控制系统作用下，鱼雷在退化平衡点处的航行稳定性。利用中心流形定理，推导出系统状态变量解析表达式，对系统 Hopf分叉进行分析，并进行仿真验证。结果表明，流体动力系数变化使定深航行产生 Hopf分叉，并给出了确保鱼雷稳定航行的流体动力参数取值范围。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.     

基于拟合优度检验-贝叶斯理论的生态混凝土碳化深度概率模型研究

针对生态混凝土碳化深度具有随机性的特点,提出基于拟合优度检验和贝叶斯理论相结合的方法进行生态混凝土碳化深度概率模型分析。采用拟合优度检验识别生态混凝土碳化服从的最优概率分布类型,采用贝叶斯理论对最优概率分布类型中的参数进行估计,在此基础上进行碳化可靠度分析。通过3组检测数据来说明基于拟合优度检验和贝叶斯理论相结合的方法在生态混凝土碳化深度概率模型研究和碳化可靠度分析中的应用过程。结果表明:与传统方法相比,基于拟合优度检验和贝叶斯理论相结合的方法进行生态混凝土碳化深度概率模型和碳化可靠度分析更加符合工程实际,便于工程应用。     

基于Kinect深度虚拟线圈的夜间车流量检测

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法.首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM).然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别.实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7 ms.      

桩基施工中的坍孔原因与预防措施

对在一般河流上钻(冲)孔过程中出现坍孔原因进行分析,并提出了坍孔预防措施.     

基于迁移学习的桥墩结构损伤识别方法

提出一种深度学习的桥墩结构损伤识别方法,该方法通过迁移学习(TL)将源模型的权重和参数转移到目标模型上,加快深度模型的训练速度、提升模型损伤识别精度。使用连续小波变换将振动信号转换成时频图作为深度模型的输入,构建可识别砼结构损伤的深度模型,该模型的固定部分使用源模型的权重和参数,非固定部分的权重和参数使用新的数据训练得到;通过试验及仿真对该模型的有效性进行验证,试验方面使用砼桥梁在有损伤和无损伤时的振动信号,仿真采用ABAQUS/CAE建立砼塑性损伤识别模型(CDP)并采集振动信号;将文中方法与从零开始训练的深度卷积神经网络(CNN)及支持向量机(SVM)方法进行对比,文中方法在试验数据上的识别精度达99.1%,在仿真数据上的精度达100%,相对于传统识别方法,该方法可提高损伤识别精度和模型训练速度。     

基于深度优先反向搜索算法确定有效路径集合

基于最短路径中任意路段因发生交通事件而失效时的替代路径搜索,合理界定了有效路径的阻抗值范围。参考深度优先算法和有效路径Dail算法离终点越来越近的思想,提出了一种从终点出发,反向搜索前置节点的多条有效路径搜索算法。算例结果表明:该算法能自动识别与路网结构相关的有效路径阻抗值范围,且能快速找到阻抗范围内的有效路径集合。