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。     

面向自动驾驶数据生成的风格迁移网络研究

自动驾驶数据集的丰富性是保证基于深度学习的自动驾驶算法鲁棒性和可靠性的关键。当前的自动驾驶数据集在夜晚场景和各类气候、天气条件下的数据量仍十分有限，为满足无人驾驶领域的应用需求，本文中构建了风格迁移网络，可将当前自动驾驶数据集转换为夜晚、雪天等多种形式。该网络采用单编码器-双解码器结构，综合语义分割网络、跳跃连接和多尺度鉴别器等多种手段用于提高图像的生成质量，生成的图像具有良好的视觉效果。用真实数据训练deeplabv3+语义分割网络来评价生成图像的结果表明，本文采用的网络生成图像的平均交并比比基于双编码-双解码结构的两种网络（AugGAN和UNIT）分别提升了2.50%和4.41%。     

铁路列车确报信息系统数据库国产化替代及信创适配研究

为加强铁路信息安全保障，优先实施国产化替代已是铁路信息化建设的必然要求。作为信息系统的核心，数据库国产化替代和信创适配一直是实施中的难点和关键点。对铁路列车确报信息系统及其国产数据库现状进行分析，针对其国产化替代中的问题，提出国产数据库替换的原则和策略。在实施数据库国产化替代过程中，通过解决关键难题，形成完整的确报信息系统数据库信创适配方案，达到核心数据库系统的全栈自主可控，从而满足铁路行业信息化的信创要求。该研究不仅能为铁路行业其他信息系统国产化数据库替代提供支持，还能为其他行业信息系统数据库信创适配提供参考。     

基于DCNN-SVM的道岔智能故障诊断方法研究

针对道岔故障难检测、难分类、时效差等难题，以S700型转辙机道岔为研究对象，提出一种基于DCNN-SVM的道岔故障诊断方法。首先从道岔正常转换曲线和发生故障时的动作曲线入手，总结故障类型、故障原因和故障信号形态特征，并对道岔转换动作曲线进行预处理，即数据统一维度和归一化。然后计算标准电流曲线和功率曲线，根据道岔转换曲线与标准曲线的相似度来识别道岔转换正常和异常。再采用分区时域特征提取和ReliefF特征筛选，选取对故障分类具有明显效果的时域特征，以及根据深度学习算法获取的图像特征，形成有效特征向量空间。最后使用训练集对DCNN-SVM道岔故障诊断算法进行模型训练，并基于诊断模型实现道岔故障的实时诊断。实验表明：在样本数据量足够大的情况下，DCNN-SVM道岔故障诊断方法正确率达99.01%,相比SVM算法提高0.64%,对保障行车安全具有十分重要的作用。     

单轴受压后混凝土导电量变化规律研究

采用ASTM C1202直流电量法探讨混凝土在单轴受压后产生的微裂纹对混凝土导电量及其渗透性能的影响。研究结果表明:各类试样在经过不同水平的压缩荷载后,其导电量都有不同程度的提高,导电量随着荷载水平的增加呈二次曲线增长,同等荷载水平下,掺合料混凝土的导电量要低于普通混凝土;随着荷载提高至某一水平,其导电量水平已不能反映其抗渗性能,此时,将荷载后试块的实际氯离子迁移量,作为评价混凝土荷载后渗透性能的一个指标将更为恰当。