高铁简支梁钢筋骨架智能建造关键技术及成套装备研究

针对高速铁路简支箱梁钢筋骨架搭建过程中存在的生产方式落后、质量稳定性差、安全风险高、管控系统不完备等问题，结合广州—湛江高速铁路项目钢筋骨架智能建造重难点，提出了适用于简支箱梁钢筋骨架智造的总体技术路线。基于BIM开展简支箱梁钢筋骨架部品化设计，并通过节段拼装试验验证了方案的可行性；结合网片设计方案研究装配化组装工艺，实现钢筋骨架的快速成型；研发部品自动化加工设备、物料转运设备、自动化吊装设备及拼装胎具工装，实现设备生产线总体设计；开发钢筋骨架智能建造全过程智能化控制系统，实现智能排版、质量追溯等工厂化生产、可视化管理等全生命周期应用。该研究成果对高铁预制梁场钢筋骨架拼装成型技术进行系统性优化创新，实现部品化加工、自动化组装和信息化管理，整体提升铁路预制梁钢筋骨架智造施工质量、效率和信息化水平，降低工程建设成本。研究实现了铁路预制箱梁建造技术的重大突破，具有广泛的技术和市场推广价值。     

基于深度特征匹配的转辙机自动开闭器静接点尺寸测量方法研究

自动开闭器是转辙机上负责动作控制与状态表示的频繁动作关键部件，使用过程中的接点磨损会影响控制与反馈电路的导通。然而，由于其安全关键、磨损样本稀少、工作环境恶劣，使得自动开闭器的在线监测成为转辙机维护维修的难题。针对上述问题，基于机器视觉提出一种深度特征匹配的目标检测方法。首先利用VGGNet自适应地提取接点模板和待搜索样本的深度特征，采取归一化互相关算法和反向映射算法完成目标定位，利用权重优化和非极大值抑制优化边界框，实现小样本数据集情况下兼顾精度与鲁棒性的目标定位；然后使用大津法二值化、中值滤波、水平差分算子等完成静接点图像处理；最后使用标定板换算获得静接点的几何尺寸数据。实验结果表明：本方法在实际应用中的定位检测精度达到85.93%,召回率达到90.63%,F1达到88.22%;在尺寸测量误差方面，RMSE、MAE、MAPE分别为2.56 mm、1.55 mm、12.94%。     

一种用于智能汽车的硬件友好对抗样本在线防御方法

提出了一种针对对抗样本攻击的硬件友好的在线防御方法。该方法由三部分组成，一个使用自编码器作为检测器来逼近自然样本流形分布的广谱检测算法，一个适用于深度神经网络 （Deep Neural Network，DNN） 瓷片加速器架构的高效层调度方案以减少数据访问开销，以及一个软硬件协同设计方法以达到检测精度和算法开销的平衡。试验表明，基于自编码器的广谱在线检测方法能够达到与已有算法相当的检测精度，提出的层调度方案将推理网络与检测器耦合的联合网络的DRAM访问量减少了43%，进而降低了能耗，提高了吞吐量。此外，软硬件协同设计方法在保证检测精度不 降低的情况下，将耦合网络的能耗和运行时间分别降低了58%和54%。     

基于样本自动标注的隧道裂缝病害智能识别

隧道表面裂缝的检测已经成为地铁运营人员的重要巡检任务之一.为实现隧道裂缝病害的自动监测，提出一种结合病害特征提取和深度学习的隧道裂缝样本自动标注与识别算法；针对隧道裂缝形态特征建立裂缝图像的特征样本库，改进了AlexNet深度卷积网络结构；设计研制了轨道移动式隧道图像采集系统以及巡检车，采集并构建了包含4 500张裂缝图像样本和1 500张测试图像的数据集，用以验证算法的可行性和有效性.研究结果表明：采集的图像清晰度符合要求，所设计算法可完成裂缝目标自动标注；裂缝图像测试集的识别率达到97.8%，证明了算法研究和采集系统的有效性.     

矢量-角度几何映射的方向重要抽样分布函数近似化方法及多失效模式可靠性分析

方向重要抽样法是一种结构可靠度模拟方法，适合评估非线性、多维度的复杂结构可靠性问题。然而对于多维度问题，利用接受/拒绝方法获得重要矢量样本，效率较低且可执行性差。因此，需要改进或重新构造易于抽样的分布函数。通过概述现有的分布函数，利用插值方法近似构造基于矢量-角度几何映射的分布函数，利用一维拉丁超立方方法对重要角度均匀抽样，再映射到重要矢量样本，得到的矢量样本具有分层均匀性，避免了聚集现象，同时覆盖整个样本空间。该方法有效应用于多设计点和多失效模式的可靠性问题分析中，进一步制定了样本分配方案。通过非线性数值算例和车身结构工程问题验证了该方法的适用性和准确性。