融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

铁路车号多途径综合识别系统的设计

本文介绍了一种通过射频识别技术和图像识别技术相结合,实现铁路车号可靠识别的方案.该方案综合利用车辆电子标签和车侧刷写的车号两种信息源,在融合两种识别技术自动提高识别效率的基础上,还为车号工作人员提供了通过图象核对补充的功能,可以有效保障车号信息的正确性和实时性,显著提高了作业进程和效率.     

事项会计价值链与ERP系统

事项会计能够为信息使用者提供更及时有用的财务会计信息,能极好地满足个性化信息需求,以“事项会计”为基础建立的会计信息系统将会计信息和业务过程紧密联系在一起,为企业的发展战略和实现价值链管理提供了决策支持。文中仅对事项会计、事项会计与企业价值链的融合、建立在企业价值链基础E的ERP及企业信息系统,以及以“事项会计”为基础的会计信息系统的建立与ERP的融合等进行简单的探讨。     

基于时域的桶型基础海洋平台结构-土壤相互作用分析

桶型基础是一种新型的海洋基础结构型式。在负压作用下的下沉过程中,其结构与地基产生了相互作用。本文从土壤的固结理论出发,应用有限元分析方法,考虑了渗流的影响,对桶型基础结构与土壤的相互作用进行时域分析。应用时域分析的计算结果与模型试验结果进行了比较,获得了比较好的结果。     

船用承压结构变形场混合数字孪生监测模型方法实现

[目的]旨在为实现船舶的全生命健康监测设计一种面向结构健康监测的混合数字孪生系统。可实时采集及反馈关键舱室结构的变形,从而提升航运的信息化和安全管理能力。[方法]首先,采用奇异值分解法对多组载荷形成的物理场信息进行数据压缩降维得到特定的标准正交基,创建基向量与载荷关系的响应面模型,输出基于实时输入载荷的有限元降阶模型。其次,采用基于地统计学的克里金插值算法,按照特定拓扑结构布点,将实时的传感器数据和降阶模型输出的补充点位数据经由卡尔曼滤波算法进行融合修正,共同计算监测对象的变形情况。最后,通过构建变形监测软硬件系统,实现监测物理特性的采集到可视化的全过程。[结果]该系统在预设的载荷下,硬件采集系统能够稳定进行数据采集,配套的应用程序能够按照预期的要求进行实时可视化采集。[结论]该结构健康混合数字孪生系统满足船舶的健康监测需求,对未来船舶的高度一体化、智能化发展具有一定的参考意义。     

产教融合背景下新形态教材开发研究——以《城市轨道交通车辆构造与检修》为例

随着社会的发展和职业教育的改革,产业需求不断变化,传统的教材已经不能完全满足现代产业对人才的要求。因此,产教融合成为了推动高等教育改革的重要举措。在这个背景下,新形态教材的开发变得尤为重要。本文将以《城市轨道交通车辆构造与检修》为例,探讨如何在产教融合的理念下进行教材开发研究。     

半潜式海洋平台疲劳影响因素分析

在海洋结构物疲劳评估时,频域谱分析法将交变应力峰值分布简单认为是窄带分布,不符合宽带海况特征,疲劳结果往往偏保守。全时域法虽然计算精度高,但整个过程过于耗时,很难应用在实际工程中。本文考虑到时域法和频域法在疲劳评估时各自的缺陷,给出一种时域-频域混合法,运用此方法对某半潜式海洋平台关键节点进行疲劳计算,并分析不同因素对疲劳损伤的影响。结果表明,不同浪向角和短期海况对半潜式海洋平台的疲劳损伤贡献度不同,贡献度大小与评估区域位置有关。所得结论为半潜式海洋平台的疲劳评估提供一定依据和参考。     

基于全自动运行线路需求的一专多能人才模式探讨

南宁地铁5号线作为全广西首条按全自动运行标准建设的线路,因全自动运行线路不同于既有线的特殊性,用人需求方面也面临着既要广大职工队伍能够人尽其才、才尽其用、掌握多种专业技能,又要实现降本增效进而推动运营企业改革的难题。在此背景下,从“两融合”的角度,探讨了一种能满足上述用工需求的人才模式——车站多职能。车站多职能基于检修方向多工种融合而成,平时在各个站点进行故障值守,可以保证故障的快速响应,并且后续可以通过与客运方向的专业融合,兼具从“设备导向”拓展为“服务导向”的潜力,实现“一职多能,多岗融合”的效果,从而达到降本增效的目的。     

车辆传动系统变参小波流形融合故障诊断方法

应用流形学习方法非线性融合信号在不同小波参数下中央尺度对应的小波包络,研究了强背景噪声下车辆传动系统振动信号故障瞬态脉冲包络的有效提取问题,并与传统信号时频分解方法进行了对比研究;采用不同小波参数对振动信号进行连续小波变换,提取了每组参数下中央尺度上的小波包络;采用基尼指数选择若干包含故障瞬态脉冲信息的小波包络,构造了高维小波包络矩阵;采用局部切空间排列算法对高维小波包络进行流形融合,获得了反映故障瞬态脉冲包络本质结构的小波包络流形;为了验证所提方法的有效性和优越性,采用不同方法对轨道车辆轮对轴承和汽车变速齿轮箱的故障振动信号进行了对比分析。研究结果表明:在分析轴承外圈故障信号时,所提方法基尼指数比传统信号时频分解方法提高27.32%以上;在分析齿轮磨损故障信号时,所提方法基尼指数比传统信号时频分解方法提高26.74%以上。可见,所提方法通过综合具有不同形态的变参小波包络,可以在无需优化小波参数情况下,对车辆传动系统中的不同关键部件故障振动信号具有较好的自适应性,提取的故障脉冲包络中的带内噪声少,故障脉冲特性明显,容易识别其频谱中的故障特征频率,是检测车辆传动系统故障的一种有效方法。