基于深度学习的汽车故障知识图谱构建

本文将知识图谱引入汽车故障诊断领域，以某公司的售后业务数据为来源，根据文本特点，设计了一种知识图谱构建流程：在传统构建流程的基础上，加入文本预分类和实体重组流程。基于DPCNN模型的文本预分类用于处理目标字段存在信息冗余的问题；基于BERT-BiLSTM-MUL-CRF模型的实体抽取与基于语法规则的实体重组的组合形式可以有效解决文本中的嵌套实体问题和非连续实体问题；采用结合术语相似度和结构相似度的方法完成知识融合；最后，选用Neo4j图数据库进行存储，完成汽车故障知识图谱的构建。     

基于全线码序追踪的码序表自动生成方法

为增大码序表编制的适用范围，减少后期的修改与调整，采用基于ObjectARX的AutoCAD二次开发方式，设计实现了一种码序表辅助设计软件。该软件采用自定义实体方式将规范化的车站信号平面布置图、列控基础数据表，以及联锁表作为数据输入，建立面向对象模型，并构建全线拓扑关系；根据对应场景计算各进路码序，最终自动生成全线车站码序表，同时绘制简易站形示意图。实际的工程应用实例表明：该软件可精确计算出车站边界码序，并能满足高铁与普铁线路码序表编制需求，提高了码序表的生成效率与准确率，便于设计人员进行校核。     

基于自定义实体的联锁表自动生成软件设计与实现

为提高联锁表编制效率和准确性，设计基于自定义实体的联锁表自动生成软件。使用AutoCAD二次开发接口，读取利用ObjectARX创建的信号设备自定义实体的数据信息；根据信号设备平面布置图的结构特点自动生成站场型数据结构；利用深度优先搜索（DFS, Depth First Search）算法搜索进路，并根据联锁表编制原则，处理进路数据和生成联锁数据。现场试用结果表明，该软件能与信号设备平面布置图实时交互，快速访问AutoCAD数据库，直接调用其中实体，生成标准格式的铁路车站联锁表及地铁车辆联锁表，准确率超过99%，且具有较高的通用性。     

复杂索塔结构空间受力状态研究

索塔是缆索承重桥梁中的一重要受力构件,型式多样、荷载条件复杂,其最终的应力状态同桥梁施工过程密切相关,且空间受力特性明显。以一实际斜拉桥索塔为背景,采用实体退化系列单元模拟了整个施工过程,对索塔结构的空间应力状态进行了分析,探讨了索塔根部截面竖向正应力随施工过程的变化情况。分析结果表明索塔结构的竖向应力空间特性明显,施工过程中应力变化复杂。空间分析弥补了平面分析的不足,其结果对保证索塔安全、完善索塔设计具有实际意义,所采用的分析方法值得推广应用。