基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。     

抗拔桩荷载一位移曲线的荷载传递法解析

本文采用荷载传递法,假定桩侧土荷载传递函数符合弹性—应变硬化—理想塑性三折线模型,考虑桩身自重的影响,推导出抗拔桩桩项上拔荷载-位移曲线的解析算式,适用于多层地基中的抗拔桩.应用本文方法,同时可以得到抗拔桩桩身轴力和桩侧摩阻力沿桩长的分布.通过对实例的拟合验证了本文方法的合理性,为抗拔桩荷载传递机理提供了一种理论依据,并可用于指导抗拔桩的设计和检测.     

时域有限差分法仿真二维电磁波传播

时域有限差分(Finite-Difference Time-Domain,FDTD)法是一种主要的电磁场时域计算方法,已经广泛应用到各种电磁问题的分析之中。本文基于Matlab软件,采用时域有限差分法对二维TM波在空间的传播进行仿真。介绍时域有限差分法的基本原理,推导二维TM模Yee算法的FDTD表达式,阐述吸收边界条...     

基于YOLO的铁路侵限异物检测方法

基于现有的铁路侵限异物检测方法只能识别出静态障碍物且识别速度较慢的问题,提出一种基于YOLO算法的铁路侵限异物检测方法.针对铁路侵限异物检测的特殊性,合理设计YOLO模型结构.采用24个卷积层、4个最大池化层及2个全连接层完成异物图像的提取、降维、识别输出,并使用实拍疑似侵限异物图片对YOLO模型进行预训练,达到学习及降低过拟合的目的,最终实现了异物定位及识别的功能.实验中通过对1 660张单幅疑似铁路侵限异物图片进行检测,结果表明,该方法对正常曝光的侵限异物图片检测准确率较高,而且在识别速度方面较AlexNet及Adaboost算法具有较大的优越性.     

RC矩形空心墩的新型滞回模型及参数识别方法

为了准确模拟RC （reinforced concrete）矩形空心桥墩的刚度退化特性,为桥梁震后可恢复性能研究提供理论基础,进行了不同设计参数的14个RC矩形空心墩模型拟静力试验. 通过引入峰值位移影响系数体现刚度退化与峰值位移的关联,建立修正的Bouc-Wen-Baber-Noori （BWBN）滞回模型;基于粒子群-引力搜索混合智能优化算法（combination of particle swarm optimization and gravitational search algorithm,PSOGSA）识别实测滞回曲线对应的滞回参数,并建立桥墩设计参数与滞回参数间的对应关系,进而总结滞回参数的经验预测方法. 研究结果表明:修正的BWBN滞回模型曲线与实测滞回曲线吻合程度高,相关性系数在0.98以上,且新型滞回模型能准确地反映出桥墩侧向刚度随墩顶位移退化的特性;PSOGSA算法能精确地识别实测滞回曲线的模型参数;采用经验预测方法得到的模型曲线与实测滞回曲线的相关性系数为0.83,该方法适用于缺乏实测滞回曲线的桥墩.      

区块链在智能交通领域中的应用研究

由于区块链具有难以篡改、异构灵活、智能合约自动执行、协作机制透明、安全可靠的特点,在诸多领域得到应用和推广。结合智能交通领域的业务需求和区块链的技术特点,对区块链在交通领域中的应用研究进行了初步探讨。     

基于挠度影响线进行桥梁有限元模型修正的研究

通过挠度影响测试,获得车辆在不同位置下,各测点的实测挠度。将挠度测试数据转变为多工况下静载数据,采用最优化理论进行结构有限元模型修正,并与基于荷载试验数据的有限元模型修正结果进行对比,二者基本吻合。在此基础上,提出了基于挠度影响线测试技术进行桥梁结构受力性能评估的实用方法。     

城市轨道交通常态与非常态短期客流预测方法研究

城市轨道交通客流特征除表现为常态的周期性、季节性及高峰性外,还会因节假日、体育赛事、城市大型活动、突发事件、特殊天气等因素表现出差异性和特殊性,本文对较为成熟的常态及研究较少的非常态客流预测方法进行了实验.首先利用通用的ARIMA时间序列预测算法分析样本历史数据实现常态日客流预测;其次针对客流特殊因素提出时间序列及回归分析的组合模型,同时引进虚拟变量和结合相似日样本数据进一步改进,实现非常态预测问题的高精度求解.仿真计算结果表明,本文方法对解决短期客流预测具有良好的适用度,尤其同样本同预测周期条件下的非常态组合改进模型和常用单一时间序列模型的对比,证明改进模型可以很好地应用在客流特征既包括随时间固有不变的性质又表现出特殊因素的研究中,具有较强的自适应性和更好的预测精度.     

集装箱船舶装箱排序问题的两阶段算法

集装箱船舶装箱排序问题综合集装箱装船顺序与船舶贝内排箱,是一类典型的组合优化问题.考虑堆场发箱顺序和船舶配载之间的关联,构建集装箱船舶装箱排序问题的数学模型.针对构建的优化模型,鉴于已有方法难以直接对其进行求解,基于两阶段分层求解思想设计SWO-HES两阶段算法.算法第1阶段利用吱呀轮算法(SWO)大邻域导向式搜索的特点优化集装箱装船顺序问题;第2阶段将SWO的结果作为输入,基于启发式规则和演化策略算法(ES)构造混合演化策略算法(HES)优化船舶贝内排箱问题.最后,通过不同规模算例的研究,将SWO-HES与常见智能算法、基于实际装船规则的启发式算法进行对比分析,验证模型与算法的有效性.     

基于部分集卡到达信息的码头进口箱翻箱优化

集装箱码头进口箱提箱作业过程中,由于外集卡到达时间的不确定性,存在外集卡提箱顺序与目标箱的堆存位置不一致,从而产生大量翻箱.为了解决这一问题,本文以期望翻箱量最小为落箱位置的选择原则,提出最小化二次翻箱启发式算法,利用算例验证算法的有效性,分析集卡到达的信息质量对进口箱提箱翻箱的影响,根据集卡到达信息质量的不同选择最佳翻箱规则.结果表明:提出的翻箱策略可以在获得部分集卡到达信息下有效地减少翻箱,针对不同的集卡到达信息质量,采取相应翻箱规则进行翻箱作业能有效减少翻箱,提高码头堆场的作业效率.