大比降卵砾石河流防护结构的冲刷深度研究

大比降卵砾石河流河床形态及水流条件特殊,治理难度相当大。当遇到较大的洪水时,堤防工程、公路等临河设施常发生水毁,而关于此类河流的研究成果较少。针对大比降卵砾石河流河床宽浅、滩槽不分、比降和流速大、枯水期水流分散易形成股流冲刷的特点,布置了不同床沙组成、冲刷角度、河床比降及流量的概化模型试验。通过对81组室内试验资料进行单因素分析,得知冲刷深度(Hp)与单宽流量(q)、河道比降(J)、冲刷角度(θ)成正比,与河床质颗粒组成(D)成反比。采用量纲分析法和多元回归分析法得到了冲刷深度的计算表达式。     

海底管道J形铺设张紧器的张紧力计算分析

对海底管道建立微段和整体的力学模型,通过MATLAB编程求解顶部张紧器应提供给管道的张紧力。对比编程计算和Abaquas数值模拟结果,验证编程求解代替软件模拟计算的可行性和便捷性。探讨海域水深、管道入水角度、管重对张紧力的影响,结果表明,增加铺设水深和单位长度管重,所需张紧力增加;而增加铺设角度,所需张紧力相应减小。     

基于深度学习与支持向量机的钢轨伤损智能识别系统

目前国内钢轨探伤车检测系统都带有自动伤损识别功能,但由于采用了基于既有规则的简单逻辑判断方法,其自动识别的准确率不高,误报较多,伤损漏报的现象时有发生.针对该问题,根据钢轨探伤车所检测数据的特点,提出了基于深度学习与支持向量机的钢轨伤损智能识别系统技术方案;采用深度可分离卷积与选择性搜索相结合的方法进行目标定位;基于人...     

基于深度学习与Hu不变矩的绝缘子故障检测

针对高速铁路接触网绝缘子故障检测问题,提出一种基于深度学习EAST模型与Hu不变矩的图像检测方法.利用EAST模型生成检测图像的掩膜图,与图像进行掩膜操作得到绝缘子区域,实现定位功能;利用二值化边缘检测提取绝缘子每片轮廓;利用Hu不变矩逐片进行轮廓相似度对比,通过对比结果判断绝缘子是否存在故障.实验结果表明,本文方法可...     

下伏坎儿井暗渠对高速铁路路基稳定性影响

针对下伏坎儿井暗渠的高速铁路路基稳定性问题,采用有限元极限分析方法进行模拟研究.结果表明:路基荷载作用下下伏坎儿井暗渠路基的破坏模式主要有暗渠上部土体发生破坏和路基边坡发生滑动破坏2种,随着暗渠埋深和水平位置远离路基,破坏模式逐渐演变为路基边坡的自身破坏;暗渠临界深度分布曲线呈"W"形,且主要与暗渠位置、断面形状、断面...     

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...     

基于深度学习CaffeNet模型的综合交通设施场景分类与识别研究

综合交通设施场景的自动分类与识别对交通网络布局、城市规划、智慧城市建设等方面有重要的研究与实践价值.鉴于目前研究主要集中在单一的交通设施目标识别与检测方面,采用速度快、分类精度高、适宜于海量数据运算的CaffeNet深度学习模型,基于迁移学习思想,通过5层卷积、3层池化、1层全连接等过程提取机场、桥梁、停车场、港口、火...     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于改进LSTM-NN的安全性自动驾驶换道轨迹规划模型

为改善现有的自动驾驶换道轨迹规划模型产生的换道轨迹与真实的换道轨迹存在较大偏差的问题,提出了一种改进LSTM-NN的安全敏感性深度学习模型,该模型可以缓解当前自动驾驶轨迹规划存在的不足,输出轨迹既保证了较高的精度又提高了安全性。CarSim仿真软件模拟了本模型产生轨迹的可跟踪性,结果显示轨迹非常平滑,并且自动驾驶车辆可以高效、安全地完成换道。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。