沥青路面表面纹理重构与构造深度预测模型

为了实现通过调整混合料的级配设计来获得期望的路面平均构造深度的目标，采用高精度三维激光扫描技术，采集了AC、SMA、OGFC三种典型级配的沥青混合料试件表面纹理特征信息。通过邻域插值法对采样数据的异常值和离群值进行替换，并通过均值滤波对采样数据进行降噪处理后，三维重构了试样表面；在采用傅里叶变换得到重构表面频域信息的基础上，根据宏观纹理的波长对应的频率设计带通滤波器，从重构表面中分离并提取出了路面宏观纹理。应用蒙特卡罗算法计算了路面的平均构造深度，通过采用筛上质量比-粒径积同时考虑了混合料的粒径和筛孔通过率对平均构造深度的影响。采用多元线性回归、随机森林和人工神经网络的方法，建立筛上质量比-粒径积与平均构造深度的预测模型，研究了混合料级配对沥青路面平均构造深度的影响。研究结果表明：均值滤波在去除噪声信号的同时也比较完整地保留了高程轮廓特征，三维重构的试样表面特征与原始表面特征一致；平均构造深度会受到级配曲线中除最大公称粒径外的其他粒径及筛孔通过率的影响；通过多元线性回归、随机森林和人工神经网络3种模型建立了以各筛孔尺寸的筛上质量比-粒径积为自变量，平均构造深度为因变量的回归模型，得到的...     

基于声-振联合特征分析的配电变压器运行状态辨识方法研究

高速铁路供电箱式变电站长期工作在高温潮湿环境，针对箱变内部变压器等关键设备运行安全问题，提出一种利用声波和振动信号联合特征进行变压器运行状态辨识方法。首先，通过非侵入式传感器获取伴随配电变压器运行的声波和振动信号，再经过滤波消噪处理声波信号提取其时频谱图纹理特征，并与振动信号变模态分解后的排列熵联合形成联合特征向量；通过概率分布特征构造最优分类超平面，由支持向量机分类算法实现联合特征向量的变压器典型状态的辨识。实验证明，声振联合特征分析方法对变压器正常、轻载、重载和三相不平衡等各运行状态下判别准确率均达96%以上。通过对辨识发现的变压器异常工况进行预警，及时实施设备状态检修可大大提高铁路供电可靠性。