高速列车撞击盾构隧道的混合多尺度动力分析模型

列车脱轨会对隧道结构产生重大损害,为此提出一种在保证计算精度的前提下能大幅度提高计算效率的列车撞击盾构隧道混合多尺度动力分析模型,以降低列车脱轨事故的潜在风险。首先,建立考虑管片接头效应的常规非多尺度模型及2种单一多尺度模型（同类型单元粗细网格耦合多尺度模型和不同类型单元壳-体耦合多尺度模型）,通过3种模型的管片静力学试验结果对比分析,验证2种单一多尺度模型的适用性;然后,将2种单一多尺度模型结合成混合多尺度模型,应用于列车撞击盾构隧道动力分析中,并与采用常规非多尺度模型的计算结果进行对比。结果表明：在静力荷载下,2种单一多尺度模型在位移、应力及损伤面积的分布规律上与常规非多尺度模型一致,计算值误差均在3.5%以内,且计算时间缩短了50%左右;在撞击荷载下,混合多尺度模型与常规非多尺度模型计算所得的管片位移和拉压损伤发展规律一致,但混合多尺度模型计算数值偏大,除拉伸损伤面积误差为8.56%外,其余结果误差均在5%以内;混合多尺度模型在保证计算精度的前提下,将计算时间缩减了62.4%,为类似问题提供了更为高效的解决方案。     

运营高铁轨下多层结构损伤无损检测技术

运营高铁路基轨下结构在长期高速列车循环荷载与气候环境的共同作用下,轨道板、砂浆层、支承层、基床、路基本体等各结构层及层间损伤,会影响到高铁基础设施的服役性能。运营高铁轨下多层结构材质、功能各不相同,主要损伤有无砟轨道裂缝、离缝、翻浆、脱空等和基床、路基沉降等。介绍超声阵列方法、冲击回波法、地质雷达法、瞬态面波法在检测效率、精度以及探测深度方面的优缺点,选择不同的方法组合,对轨下多层结构进行综合检测和解释,构建了轨道板—支承层—基床—路基本体由浅到深的多尺度、多参数无损检测方法组合与健康状态的定量解释原则,可为运营高铁轨下结构服役性能和整治修复提供数据支撑。     

市域尺度下区域物流发展水平时空演化分析

为分析区域物流发展水平时空演化特性,基于2011～2017年黑龙江省12个地级市物流发展数据,在确定区域物流发展水平测度指标的基础上,利用熵值-加权综合评价模型评估区域物流发展水平,利用差异指数测度区域物流发展差异,利用ArcGIS空间分析技术分析区域物流发展水平的时空演化规律.研究结果表明:黑龙江省区域物流发展相对缓...     

基于BP神经网络的预测模型

预测是数据分析的基本任务之一,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的产生为处理非线性问题提供了一条新途径。文中运用智能计算技术建立了BP网络模型。通过珠江三角洲天河水文站的水位预测结果表明,BP网络模型有较好的泛化能力,预测更为可靠。     

桥梁结构健康监测基于相关性分析的多源数据预测算法研究

通过大数据预处理和分析技术,对位移、应变、风速、温度、湿度和索力等桥梁监测数据进行分析。首先使用傅里叶变换和小波变换,分析了不同监测数据类型之间的相关性,之后通过Bi-LSTM多源预测模型验证了相关性分析的结论。结果表明：位移信号与温度信号之间具有负相关性、位移信号与湿度信号具有正相关性,引入相关性强的桥梁监测数据建立多源预测模型能有效提高预测精度。研究结果对桥梁结构健康监测数据的关联分析与挖掘有参考价值,可为桥梁的日常养护、监测运营和应急管理提供决策依据。     

基于生成对抗网络的船舶航迹预测模型

为提高复杂交通局面下的船舶航迹预测精度,提岀一种基于生成对抗网络的船舶航行轨迹预测模型(Gen-erative Adversarial Networks with Attention and Interaction,GAN-AI)对多艘船舶轨迹同时进行预测.通过编码器对船舶轨迹时空序列进行编码,设计交互模块对多艘会遇船...     

基于最小二乘支持向量机的公路工程造价预测模型

由于公路工程造价的影响因素错综复杂,且历史数据非常有限,使公路工程造价预测成为典型的小样本条件下非线性回归问题。针对传统的回归方法解决这类问题的不足,该文提出一种新型的公路工程造价预测模型。该模型基于最小二乘支持向量机的基本原理,结合公路工程的具体特征,实现了公路工程造价的智能化预测。新模型充分发挥了最小二乘支持向量机在解决有限样本及非线性回归问题中的优势,建立了较准确的预测模型,且训练速度较普通支持向量机更快。实证数据分析验证了本模型的有效性。     

智能汽车对无信号交叉口行人的避撞控制

针对智能汽车在无信号交叉口对横穿行人的避撞问题,研究了主动转向避撞控制策略.基于多层模型预测控制方法,采用分层控制策略设计局部规划层控制器与全局跟踪层控制器,在此基础上根据交叉口处汽车与行人的轨迹特征计算人车碰撞剩余时间,改进传统人工势场法构造避撞函数,规划出既能规避交叉口内存在碰撞风险的行人又能使偏差最小的局部避撞路...     

基于ABC优化BP神经网络的船舶交通流量预测

为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量预测模型.利用人工蜂群算法全局搜索能力和不易陷入局部最优的特点,对BP神经网络的初始权值和阈值进行优化,并以青岛港船舶交通...     

基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型.首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BM...