滑坡抗滑桩加固变形监测与参数识别

对滑坡发生进行监测和早期预报,是减少和防止滑坡灾害的重要手段。以平溪特大桥滑坡为工程背景展开滑坡监测,拟掌握抗滑桩施工过程中的地表位移、深部位移变形情况,确保施工安全,验证和确定滑动面的位置,为修改设计、指导施工提供依据,结果表明:1类似情况下,采用地表位移监测、深部位移监测、地下水位监测、降雨量观测、地表巡视可以较好掌握滑坡的变形信息,满足监测的要求。2监测前期、中期,滑坡始终处于蠕动变形阶段,是因为下部抗滑桩尚未施工完毕,坡体应力不断重新分布调整的结果,之后逐步稳定,从而验证了所采取的治理措施是必要的、有效的。     

城市轨道交通运营风险识别与分析

城市轨道交通网络化运营是未来发展的主流,风险管理工作成为重要的研究课题。全面、系统的管理风险是保障运营安全的有效途径。本文首先提出了利用风险源分布图和风险矩阵等方法进行风险识别,其次遵循"宏观—微观"的理念,运用层次分析法对系统风险"人—机—理—环"进行分析,最后着重针对人因运用了事故树分析法,并结合安评软件给出了定性结论。     

大数据背景下的桥梁结构健康监测研究现状与展望

结构健康监测（SHM）技术在许多大型桥梁的运营养护管理中均有应用，但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁SHM数据的处理分析中，首先总结大数据的概念和构成要素；然后分析SHM数据的工业大数据属性，梳理桥梁SHM大数据的研究方向；随后综述包括处理技术和分析方法在内的大数据技术在桥梁SHM中的应用现状，在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出SHM大数据研究的需求和应用场景；最后对大数据技术在桥梁SHM中的前景与驱动力进行展望和讨论。结果表明：SHM大数据研究应以结构状态评估为落脚点；大数据处理技术在SHM的系统框架搭建及数据分析能力扩展方面虽已得到较多应用，但其并非SHM大数据研究的重点；SHM数据融合对大数据分析方法有迫切需求，以实现桥梁SHM数据与外观检测等多源异构数据的多层面融合；深度学习、集成学习为结构状态敏感特征的提取提供了新的算法；有监督、无监督机器学习方法结合海量SHM数据将对结构状态评估下的模式识别问题形成更全面的认知；异常识别、相关分析、迁移学习等方法可为实桥SHM损伤识别提供支撑。研究结果可为SHM领域的大数据研究提供参考。     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力,确定模糊神经网络的初始拓扑结构,再利用原始数据对网络进行训练.由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构,因而可以大大减小网络规模,提高网络训练速度.数值实验结果表明了该方法的有效性.     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力，确定模糊神经网络的初始拓扑结构，再利用原始数据对网络进行训练。由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构，因而可以大大减小网络规模，提高网络训练速度。数值实验结果表明了该方法的有效性。     

安庆长江大桥工程风险分析与风险管理

宁安铁路安庆长江大桥是4线铁路桥,具有跨度大、主塔高、桩基深等特点,需在汛期施工并深水作业.本文以宁安铁路安庆长江大桥3号主塔墩建设为工程背景,介绍了工程风险识别与分析,风险应对与动态风险监控;分析结果表明:在安庆长江大桥建设工程中实行安全风险管理,可更加有效地规避和控制工程项目安全质量风险.     

ECU不能识别的故障

现代轿车电控系统的故障自诊断功能可极大地方便故障的快速排查和检修。但是，有时车辆发生故障后，电控系统控制单元（ECU）却调取不到故障码，也就是说，有些故障是ECU不能识别的。一般来说，下列这些故障是不受ECU监控的。     

单平台多传感器多目标数据融合系统

本文介绍在Novell网上建立的一个舰船多传感器数据融合计算机仿真系统，给出该仿真系统用最小二来法的平滑外推法则进行航迹跟踪及利用DemPster-Shafer敌我识别理论对目标敌我属性进行识别的结构图，较系统地阑述了数据融合的一些技术。     

基于模态参数组合的板结构损伤识别

基于弹性薄板的振动特性分析,通过弹性薄板结构的模态参数重新组合的方法建立矩形薄板的损伤指示量指标;以矩形薄板作为研究对象,建立板的有限元模型,通过降低板的有限元模型局部单元的弹性模量来模拟板的损伤状态,三类简支薄板的损伤模型的数值模拟结果表明该方法对板损伤位置能够精确定位,对板结构单一损伤和多处损伤的定量检测效果明显.