基于深度卷积神经网络的钢材微观组织分类识别

通过引入多种深度卷积神经网络及分类器构建机器学习模型,对钢材金相图数据集进行学习,研究了一种能够准确、高效识别钢材微观组织的方法。研究结果表明,文章中所涉及的3种深度卷积神经网络在钢材微观组织的分类识别上均表现出优异性能,其中Inception-V3表现尤为突出,其与人工神经网络分类器组合而成的机器学习模型的分类精度可达99.60%。     

基于复杂网络的列车辅助驾驶危险致因传播模型

为了解预期功能安全(SOTIF)相关危险致因在基于智能感知的列车辅助驾驶系统 (IATDAS)中的传播特性，提升针对该类系统的危险控制能力，本文提出基于复杂网络的IATDAS 系统危险致因传播模型。该模型在SOTIF危险致因网络的基础上，提供了全局容量-负载传播机制，能有效刻画IATDAS系统的危险致因传播机制。案例分析结果表明：本文所提模型能够解决复杂致因关系下既有模型与系统实际情况不符的问题，如对于具有较长后续传播路径的致因，本文模型能够刻画其较难导致危险的实际特征；依据本文模型实施传播控制，可以显著降低危险致因的传播速度，如对影响节点范围大、前期影响节点数量增加快的危险因素进行控制时，可使其平均传播速度降低68%，比随机控制策略多降58%。该模型可以为IATDAS系统的SOTIF相关危险控制提供决策基础。     

基于同块同压原则的盾构推拼同步技术模型试验研究

为解决长距离隧道单台盾构掘进施工工期过长问题，以上海市域铁路机场联络线3标盾构区间为示范应用工程，在不改变盾构驾驶人员操作习惯的前提下，研发一种对盾构推进油缸压力进行闭环主动控制的推拼同步施工技术，以维持推进系统稳定的总顶推力矢量。同时，给出基于同块同压原则缺失顶力的再分配计算方法，并通过构建相似比为1/2的大型试验平台对成套技术进行试验验证。试验结果表明： 原型盾构推进系统总顶推力误差控制为±4%； 盾构姿态水平和垂直偏差控制为±12 mm； 盾构推进速度控制为设定速度的（-6，+6） mm/min； 管片结构抗压安全系数达2.13。     

复杂地质条件下TBM刀具失效形式及原因分析与应对措施

为研究分析复杂地质条件、不合理掘进参数等与TBM刀具异常损坏、刀具消耗的关系，以利于TBM掘进效率和施工成本的控制，在系统阐述TBM刀具常见失效形式的基础上，研究分析总推力、刀盘转速、刀具贯入度等掘进参数及不同围岩单轴抗压强度、石英质量分数等地质参数对刀具磨损及异常损坏的影响规律。以引汉济渭秦岭隧洞和中天山隧道工程为例，对刀具消耗及失效形式进行统计分析，并从刀具选型、检查及维修等方面，提出针对性的优化方法。最后，基于目前刀具配置及监测技术存在不足的现状，提出应进一步研发刀间距可调的刀具配置技术，以确保不同地质条件下的刀具破岩效率；同时，加强对TBM工作环境具有较强适应性的新型刀具状态监测系统的研发及应用。     

具有无序排列管片环结构的地铁盾构隧道数字模型智能重建北大核心CSCD

运营地铁隧道的管理、健康监测及维护正逐渐趋向于数字化、智能化;但常因地铁盾构隧道管理和检测单位缺少隧道数字模型,限制了地铁隧道智能维护和管理系统的应用和发展。文章针对地铁盾构隧道中无序排列的管片环结构,提出了一种基于深度学习和机器视觉的地铁盾构隧道数字模型智能重建方法,利用检测车获取的隧道衬砌内表面高清图片,对管片特征物(螺栓孔)进行智能识别与自动分类,再根据螺栓孔群的分布特点自动推断隧道管片环的排版规律,从而结合隧道实际线路实现隧道数字模型快速重建。某地铁隧道的实例应用结果表明,该方法适用于管片无规律性错缝拼装的情况,能以100%的准确率实现地铁盾构隧道数字模型的智能重建。     

智能船舶设计方法体系研究

根据国家两部门《推进船舶总装建造智能化转型行动计划(2019-2021年)》关于实现船舶设计、建造、管理和服务全生命周期的数字化、网络化、智能化的目标,本文通过智能船舶与传统船舶的比较,分析了两者之间的差异及其对智能船舶设计原则和方法的影响。应用现代设计技术和系统工程方法,提出了智能船舶设计原则和方法体系,供智能船舶设计人员在设计智能船舶时参考。     

基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系，本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori，XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构，通过机器学习库 scikit-learn 中 XGBoost (Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而，对Apriori算法设置有序定向约束，得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项，选取频繁项集，总结高置信度、高提升度的关联规则。关联因素模型评估结果表明，本文采用的SFM功能准确度可达78.31%，关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示，驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中，男性驾驶员造成的行人死亡事故频次较高，女性驾驶员造成的受伤事故频次较高；大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高；位于匝道等道路线型弯曲的坡道中，老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法，为有效保护道路弱势群体提供必要的理论支持。     

装配式竖井预制混凝土管片结构设计

为提高竖井建设的效率和安全性，采用垂直竖井挖掘机（VSM）进行装配式竖井施工。以南京市建邺区沉井式停车设施建设项目(1期)工程为例，系统介绍竖井工程的预制混凝土管片结构设计理念，包括管片构造、连接方式、受力情况、防水设计等；同时，在国外同类工程的基础上对管片结构进行优化设计，首次提出全通用管片设计理念，极大提高了现场施工效率和质量。经现场应用证明： 圆形管片式竖井整体受力状况良好，防水设计满足要求。     

Comparing smart scheme effects for congested highways

A high level objective for many international governments and local operators is that highways should be managed in a way that is sustainable in terms of a Low Carbon Energy future. Recent initiatives such as the Strategic Transport Technology Plan and the policy and legal framework promoted by the European Commissions’ Intelligent Transport System (ITS) Directive and ITS Action Plan may assist with this objective. However, many levels of complexity are inherent within the (ITS) schemes that are now part of highway management, due to the linkage of various technological components to complex systems and services. Maintaining efficient, sustainable co-operative performance is therefore a major task, with inconsistencies between product suppliers, network managers and operators. As a result, it is of considerable interest to the highway operators and high level policy makers to be able to assess the performance of individual ITS schemes and furthermore, to be able to compare performance between ITS schemes. In this paper, an illustration is provided of a methodology that can be used to assess the performance of ITS schemes according to a set of sustainability criteria. A case study is introduced which compares the performance of anticipated Active Traffic Management (ATM) schemes for what the road network operator (Highways England) perceive to be the four most congested highways in England (in terms of annual average daily traffic flows). Appropriate action can then be taken to improve the energy and sustainable management of Information Communication Technology (ICT) and transport systems for the benefit of a smarter, sustainable and efficient future.     

A context aware system for driving style evaluation by an ensemble learning on smartphone sensors data

There are many systems to evaluate driving style based on smartphone sensors without enough awareness from the context. To cover this gap, we propose a new system namely CADSE system to consider the effects of traffic levels and car types on driving evaluation. CADSE system includes three subsystems to calibrate smartphone, to classify the maneuvers, and to evaluate driving styles. For each maneuver, the smartphone sensors data are gathered in three successive time intervals referred as pre-maneuver, in-maneuver, and post-maneuver times. Then, we extract some important mathematical and experimental features from these data. Afterwards, we propose an ensemble learning method on these features to classify the maneuvers. This ensemble method includes decision tree, support vector machine, multi-layer perceptron, and k-nearest neighbors. Finally, we develop a rule-based fuzzy inference system to integrate the outputs of these algorithms and to recognize dangerous and safe maneuvers. CADSE saves this result in driver’s profile to consider more for dangerous driving recognition. The experimental results show that accuracy, precision, recall, and F-measure of CADSE system are greater than 94%, 92%, 92%, and 93%, respectively that prove the system efficiency.