短时交通流预测研究

对短时交通流进行了混沌识别,表明其具备混沌特性,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的交通流神经网络模型,理论上验证了该方法对短时交通流预测的有效性。     

微言

微播报@鑫源摩托官方微博:【鑫源建设共携手共创合作新纪元】鑫源发动机与建设摩托历时半年的商务洽谈,双方强强联合,于2013年3月7日完成战略合作,并签订合作协议!此次合作将为双方产品的升级提档、技术引进和创新带来契机,鑫源摩托在此表示祝贺。V身份:重庆鑫源摩托车股份有限公司。     

大数据背景下的桥梁结构健康监测研究现状与展望

结构健康监测（SHM）技术在许多大型桥梁的运营养护管理中均有应用，但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁SHM数据的处理分析中，首先总结大数据的概念和构成要素；然后分析SHM数据的工业大数据属性，梳理桥梁SHM大数据的研究方向；随后综述包括处理技术和分析方法在内的大数据技术在桥梁SHM中的应用现状，在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出SHM大数据研究的需求和应用场景；最后对大数据技术在桥梁SHM中的前景与驱动力进行展望和讨论。结果表明：SHM大数据研究应以结构状态评估为落脚点；大数据处理技术在SHM的系统框架搭建及数据分析能力扩展方面虽已得到较多应用，但其并非SHM大数据研究的重点；SHM数据融合对大数据分析方法有迫切需求，以实现桥梁SHM数据与外观检测等多源异构数据的多层面融合；深度学习、集成学习为结构状态敏感特征的提取提供了新的算法；有监督、无监督机器学习方法结合海量SHM数据将对结构状态评估下的模式识别问题形成更全面的认知；异常识别、相关分析、迁移学习等方法可为实桥SHM损伤识别提供支撑。研究结果可为SHM领域的大数据研究提供参考。     

环境变化下基于核典型相关分析与协整的损伤识别方法

采用传统协整方法进行损伤识别时,需要变量间满足较好的线性关系,而实际工程中监测变量往往存在一定程度的非线性,这使得协整方法的有效性受到影响。为此,提出一种结合核典型相关分析与协整的损伤识别方法。首先利用核典型相关分析能有效处理非线性相关变量的优点,将低维空间存在非线性关系的监测变量映射到高维空间,使其转化为线性相关的核典型变量。然后利用协整方法能够消除变量间共同趋势的特点,对核典型变量间的共同环境因素影响进行分离,并以分离环境因素影响后的协整残差作为损伤指标进行损伤识别。最后通过芬兰Kullaa课题组的木桁架桥试验数据,对协整方法、结合典型相关分析与协整的方法、核典型相关分析和协整相结合方法这3种方法的损伤识别结果进行比较。研究结果表明：在分析非线性数据方面,核典型相关分析要优于典型相关分析;前2种方法受监测变量数目的影响较大,选择不同数目的监测变量将得到不同的识别结果,而该方法对监测变量数目不敏感;且在损伤识别的漏判率方面该方法明显优于其他2种方法。     

重型载货汽车气压制动系统危险状态识别

针对重型载货汽车因气压制动系统发生管路破裂、机械故障或热衰退导致制动效能下降且不易察觉从而引发严重交通事故的问题,提出基于主成分分析降维（PCA降维）和马尔可夫模型的气压制动系统危险状态识别方法。考虑到三轴载货汽车双回路制动系统的结构复杂性以及制动过程制动踏板动作、系统压力建立和实现车辆减速具有明显的时序性特点,首先采用PCA降维的方法对系统状态进行辨识;然后运用驾驶人制动意图与制动系统响应的双层隐形马尔可夫模型对系统状态进行识别。受驾驶人习惯影响制动踏板作用瞬间辨识度低,采用混合高斯聚类法提取不同制动意图时制动保持阶段数据建立制动意图识别模型和系统响应识别模型,通过二者匹配程度判定系统状态。最后,分别依据实车试验数据对模型进行离线训练和在线辨识验证。试验结果表明：系统正常状态下,基于PCA降维和马尔可夫模型相结合的识别方法能够准确、有效地识别制动系统状态;制动管路断开压力降低状态下,PCA降维方法能够及时有效识别其危险状态。     

二手车评估中的问题车识别技巧

为在二手车鉴定评估过程中准确识别问题车辆,确保评估结果的准确性,文中针对由于交通事故、水淹和火灾所造成的三类问题车识别技巧进行了分类说明,指出了各自重点检查部位及具体检查方法。     

基于静力位移数据的薄壁箱梁损伤识别方法

为解决薄壁葙梁损伤识别方法中动力指标敏感性低、静力损伤指标试验成本高、计算繁琐的问题,提出了一种简单实用的基于静力位移的损伤识别方法,并对其作出改进。利用结构损伤前后同一工况作用下静力位移的变化值,建立了基于静力位移观测的结构损伤识别方法,并采用广义逆矩阵法求解结构系统损伤因子。由于转动自由度难以量测,通过静力缩聚的方法缩减去除刚度矩阵中的转动刚度,使得静力位移的变化值仅由挠度产生。通过算例表明,文中提出的方法识别效果好,操作简单,结果稳定,有着很好的实际工程应用意义。     

基于盾构掘进参数的孤石地层识别方法研究

为了在盾构掘进过程中准确识别孤石地层,保证施工安全,运用理论分析与工程数据验证,研究孤石地层识别方法。基于盾构掘进比能,结合主掘进参数,提出修正比能（SM）,构建孤石地层SM识别模型及识别矩阵。运用BP神经网络技术,以实测掘进参数作为训练样本,建立孤石地层神经网络识别模型,具有极高的识别精度。利用盾构掘进数据对孤石地层识别方法进行工程验证。研究结果表明： 1) 修正比能法具有较强的容错能力、稳定性及特异性,识别效果优于掘进比能法; 2) 2组实测数据下,神经网络识别结果与识别矩阵的吻合率达到98.3%和98.8%; 3) 以修正比能法为基础,结合神经网络法作为辅助与参考对孤石地层进行双重识别,具有较好的工程实际意义。     

病害曲梁的梁格评估方法

对于存在显著病害的既有曲线梁桥,将其离散为梁格体系时,应注意到由于桥梁病害的发生致使结构力学性能发生变化,因此梁格参数的取值需考虑发生病害后的结构刚度或结构形式的转变.以某既有病害曲梁上部结构为分析对象,借助桥梁荷载试验正载挠度及偏载挠度结果对梁格理论模型中的结构连接形式和结构参数取值进行修正,在此基础上对结构的承载能力和使用性能进行评估.     

HEV制动意图识别的研究

基于大量的工况数据建立辨识模型,实现了对制动意图的准确识别.在此基础上优化了再生制动的控制策略.仿真结果表明,通过制动意图识别可有效地优化混合动力汽车再生制动的控制策略,从而进一步改善混合动力汽车制动时的驾驶感觉和燃油经济性.