基于网格搜索的PCA-SVM道路交通标志识别

针对现有识别方法对交通标志的识别精度和算法效率不高的问题,提出了一种基于网格搜索的主成分分析-支持向量机(PCA-SVM)道路交通标志识别方法。该方法首先采用主成分分析(PCA)法对交通标志进行降维处理,提取出交通标志的主元特征,然后利用网格搜索法(GS)对支持向量机(SVM)进行参数优化,最后利用参数优化好的支持向量机分类器实现对交通标志的识别。通过实验仿真,并与现有的其他交通标志识别算法进行分析对比,实验结果表明,本文方法在保证较高识别精度的同时,算法效率得到显著提高。     

盾构机自动导向系统测量复核方法

盾构机因其具有较好的安全性及技术优越性,具有地面作业少,对周围地表沉降和环境影响小,自动化程度高,施工速度快等优势,近年来在城市地铁及城市铁路隧道建设中被普遍采用。盾构机的自动测量导向系统也已经广泛应用于盾构隧道施工中,但是对自动测量导向系统的可靠性及稳定性仍然需要定期进行人工复核。以广深港高速铁路深港隧道采用的德国VMT自动导向系统为例,对盾构机自动测量导向系统的人工测量复核方法进行了研究。     

机车风缸简体数控四辊卷板机卷筒工艺改进

介绍机车风缸筒体的T艺特性及数控四辊卷板机简体卷制工艺,针对凸形筒体现象．优化预压圆弧工艺及卷制过程控制,实现机车风缸简体数控四辊卷板机的工艺优化。     

某型盾构刀盘开裂改造的有限元分析

针对某盾构刀盘在现场施工中经常出现刀盘开裂现象,对刀盘提出改进方案。采用有限元方法,得到刀盘结构中危险截面位于牛腿与刀盘的连接处,与实际施工中刀盘开裂出现的位置基本一致;通过对原始方案与改进方案应力对比,得到采用在刀盘上焊接一圈筋板、增加6处加固点及圆角加强板的方式,刀盘的结构强度得到改善,通过现场施工,得到验证。研究结果可为盾构刀盘的结构设计和工程施工维护提供基础数据。     

交流转辙机道岔控制电路重点解析

对交流转辙机道岔控制电路中启动电路、切断电路及故障按钮继电器电路等重点电路进行系统梳理和总结,并对相关的设计要点进行分析,对今后交流转辙机道岔控制电路的设计具有一定的指导意义。     

动车基地调度集中系统安全接口机的设计

动车基地调度集中系统实现了列车与调车作业计划管理、列车与调车作业自动进路集中控制、动车组位置自动识别与追踪、动车基地作业计划的优化调整等功能。该系统与计算机联锁系统、分散自律调度集中系统、管理信息系统及车号自动识别系统等存在大数据量的信息交互,因此设计开发了一款安全可靠的接口机,实现内外系统的大数据量双向隔离高速传输和协议转换功能。     

铁路货车铸件工件号倾斜DR图像的识别方法

通过对倾斜的DR图像进行图像增强、二值化、倾斜校正、去毛刺、填补空洞、单字符分割和大小归一化处理,分割出若干个大小相同的单字符图像;然后通过训练45个支持向量机(SVM),并得到各个支持向量机的判别函数;利用这45个判别函数判别单字符图像是哪个数字的图像,并记下各个数字的得票数,确定得票最多的数字即为单字符图像对应的数字.应用Microsoft Visual Studi0 2008软件编写了相关的计算程序.利用该程序进行识别实验的结果表明,该方法能够在DR图像中货车铸件工件号呈倾斜情况下有效识别出货车铸件的工件号.     

TPZ/48钢箱梁式架桥机施工状态下屈曲稳定性研究

采用有限元软件ANSYS建立某大跨度钢箱梁式架桥机在浇筑施工状态下弹塑性有限元模型。基于非线性屈曲理论,采用位移控制的弧长法加载跟踪结构平衡路径,对含初始几何缺陷的架桥机结构进行非线性屈曲分析。通过对失稳特征点的荷载—位移曲线分析,确定该型架桥机施工状态下的极限承载力、局部稳定和整体稳定的安全系数。架桥机的极限承载力为3 755t,大于设计施工荷载1 600t,整体稳定安全系数为2.35,但局部稳定安全系数仅为1.32;失稳位置发生在支座以及跨中的底板、横隔板、腹板等处。由非线性屈曲分析结果与特征值屈曲分析结果的对比分析得到:对于复杂结构,由于结构内局部发生屈曲后荷载会发生转移,其结构并未失去整体承载能力,因此由非线性屈曲分析得到的临界载荷可能大于由特征值屈曲分析得到的临界载荷。     

地铁测量基准的建立与应用及对测量工作的思考

介绍西安地铁测量基准控制网的现状,指出目前基准控制网存在的不足,结合实际进行分析,建立稳定、完整、具有起算参数的测量基准网,对基准网的维护和使用提出相应的办法。针对西安特殊的地质条件(地裂缝和沉降漏斗),提出利用基准网对地裂缝和沉降漏斗进行监测的办法,为工程建设提供决策依据。     

基于小波分析的最小二乘支持向量机轨道交通客流预测方法

针对城市轨道交通客流预测问题,采用离散一维Daub4,小波分析方法对某一时间段的原始客流时间序列数据进行分解;以分解得到的高频分量和低频分量为样本数据,对最小二乘支持向量机进行训练,确定最小二乘支持向量机的核参数σ,以及系数a和b.利用训练后的最小二乘支持向量机预测未来一段时间客流时间序列数据的高频分量和低频分最,然后再利用Daub4小波分析方法对预测的高频分量和低频分量进行数据重构,从而得到预测的未来一段时间客流时间序列数据.与历史平均预测法和灰色预测法进行比较,结果表明,基于小波分析的支持向量机客流预测方法用于轨道交通短期客流预测具有更好的精度.