A New Multi-sensor Data Fusion Algorithm Based on EMD-MMSE

A new multi-sensor data fusion algorithm based on EMD-MMSE was proposed.Empirical mode decomposition(EMD)is used to extract the noise of every time series for estimating the variance of the noise.Then minimum mean square error(MMSE)estimator is used to calculate the weights of the corresponding series.Finally,the fused signal is the weighted addition of all these series.The experiments in lab testified the efficiency of this method.In addition,the comparison in fusion time and fusion results with existing fusion method based on wavelet and average technique shows the advantage of this method greatly.     

基于LMD-TCN的高铁沿线风速观测资料质量控制算法研究

大风是影响高铁安全运行的主要气象灾害之一,为保证高铁的运行安全,需监测高铁沿线风速观测资料。高铁沿线风速数据在采集和传输的过程中易受到各种干扰,导致风速观测资料中存在一些可疑值,故对其进行质量控制是解决此类问题的必要环节。提出一种融合局部均值分解法(Local Mean Decomposition, LMD)和时间卷积网络法(Temporal Convolutional Network,TCN)的风速观测资料质量控制算法,以此来提高高铁沿线风速观测资料的质量。为证明该方法的可行性,选取我国京沪高铁沿线江苏段4个观测站2018年秒级风速观测资料进行质量控制分析,并与时间卷积网络法(TCN)、长短期记忆神经网络法(Long Short-Term Memory,LSTM)和支持向量回归法(Support Vector Regression,SVR)这3种方法对比。通过插入人工误差,并以检错率为评价指标来衡量上述4种方法进行质量控制的效果。试验结果表明,该方法相比于其他3种方法能准确地检测出人为插入的误差,可以满足高铁沿线风速质量控制的需求,同时具有季节适应性强的特点。     

深水桥梁矩形围堰水流荷载的分流板抑制方法

围堰是深水桥梁建设顺利开展的重要平台和前提，在其节段施工中动水荷载是影响钢围堰精确定位、下沉及着床的关键因素。为减小水流作用下的钢围堰动水荷载，针对矩形围堰提出一种在尾端增加一定长度分流板的抑制方法。首先采用计算流体力学(CFD)方法基于开源分析平台OpenFOAM建立钢围堰的二维简化模型，引入修正的k-ε湍流模型用以闭合求解钢围堰超高雷诺数效应下的N-S方程，通过方形截面和矩形截面柱验证所提方法的准确性；然后针对足尺钢围堰模型分流板的设置对于钢围堰动水阻力和横向摆动力的影响进行分析，明确不同分流板长度以及前/后端分流板对动水荷载的抑制作用，提出优化可行的分流板设置方案。研究结果表明：在高雷诺数条件下标准的k-ε模型不能准确捕捉方形及矩形钝体的涡旋脱落过程，会严重低估动水荷载，采用修正的k-ε模型可准确模拟矩形钝体的绕流特性，与试验值吻合良好，可用于钢围堰的计算分析；矩形钢围堰采用圆角设置可有效减小动水阻力和横向摆动力，横向摆动频率提高；在钢围堰后端增加中央分流板可显著降低动水阻力和横向摆动力，当分流板长度在1/10钢围堰纵边长时，抑制效率最高；分流板长度超过钢围堰纵边长的75%时，尾...     

考虑站点脆弱性的城市轨道交通应急救援点选址方法

为提高城市轨道交通系统应对突发事件时的处置效率，在考虑站点脆弱性的基础上提出一种城市轨道交通应急救援点选址方法。首先，综合客流特征、线网拓扑结构和周边已有应急资源分布情况，构建城轨站点脆弱性评价指标体系，将站点脆弱性量化为站点脆弱度指数并引入灰色关联分析法进行计算；其次，构建以覆盖水平最大、平均救援响应时间最短和建设成本最低为目标的区域级应急救援点选址模型，并在计算覆盖水平时引入K均值聚类算法，对站点脆弱性进行分级；最后，依托西安市地铁网络实际数据进行实例验证。结果表明：考虑站点脆弱性后，应急救援点总数反而减少，且选址结果更为理想；4种目标权重设置下，考虑站点脆弱性后的线网覆盖水平依次增加3.49%,2.75%,4.16%和3.63%，平均救援时间依次减少7.25%,6.56%,12.48%和4.89%，建设成本依次减少3.57%,7.41%,4.17%和6.45%。该方法能够更加科学合理地识别城轨线网中的高脆弱性站点，得到的应急救援点选址方案对线网中边缘站点的覆盖效果更好。     

基于均值-方差理论的多阶段公交走廊设计

随机性是公交出行需求的重要特性.随机需求下的公交系统中，不同风险态度（中立风险、规避风险和寻求风险）的决策者会选择不同的设计方案，这在多阶段公交系统走廊设计中更为明显.为研究不同决策风险态度下随机特性对公交服务设计的影响，首先，基于均值-方差理论，提出不同风险态度下的决策方法，并构建对应的多阶段公交走廊设计模型，同时优化不同阶段的公交线路长度、站点选址和发车间隔；之后，利用局部分解法和最优化理论，得出模型的解析解；最后，对不同设计策略（全覆盖设计、单阶段和多阶段的公交线路非全覆盖设计）和风险决策态度下的公交走廊设计进行对比分析.结果表明：1）公交线路多阶段设计具有比全覆盖设计和单阶段设计更低的期望系统成本，以及比单阶段设计更稳定的方案；2）在不同设计策略中，决策风险态度对公交系统的参数配置（即公交线路长度、站点分布和发车间隔）有不同的影响，例如规避风险态度决策者在全覆盖设计中追求更密集的站点分布，而在单阶段设计中则会追求相对更低的站点密度，在多阶段设计中这就更为复杂.该研究从政府管理者和运营商的角度，提供基于需求随机增长下公交系统多阶段设计的风险投资决策方法.     

基于改进YOLOv5算法的块状磨屑识别方法

针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题，提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上，增加更大尺度的检测层，提升小尺寸块状磨屑的检测效果；在骨干网络嵌入卷积注意力模块（Convolutional Block Attention Module,CBAM），增强块状磨屑的特征表达；选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数，加快模型的收敛速度，提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验，结果表明：改进后的YOLOv5算法对于块状磨屑的检测能力有所提高，召回率提升了4.55%，均值平均精度提升了8.6%，对小尺寸块状磨屑有更好的检测效果。     

DHSSA优化的K均值互补迭代车型信息数据聚类

针对传统方法在车型信息数据聚类过程中受初始化中心点的影响较大导致聚类精度低、鲁棒性差以及在迭代过程中求取均值选择聚类中心受离群点影响大的问题，提出了一种DHSSA优化的K均值互补迭代车型信息数据聚类方法。首先，针对SSA算法中发现者位置更新不足和种群多样性不足的问题，设计了一种扰动因子-领头雀优化策略，通过自适应领头雀策略加强了最优个体的影响力，利用扰动因子扩大搜索空间，提升了寻找聚类中心的准确率；其次，设计了基于筛选最大最小距离积方法 SMMP优化聚类中心的初始化，在MMP基础上增加了筛选机制，使初始化的中心尽可能更均匀地分布在每个簇中；最后，融合DHSSA和SMMP来优化K均值互补迭代，在减小迭代次数的同时增加搜索效率，得到较好的聚类结果。利用多种数据集进行测试，通过试验结果中的收敛曲线和性能指标可以看出，提出的DHSSA-KMC方法相对于SSA-KMC、IMFO-KMC、KMC和KMC++具有更高的搜索精度、收敛速度和更低的聚类代价，并且耗时相对于SSA-KMC和IMFO-KMC有所减少，证明了算法的有效性和优越性。在车型信息数据处理过程中，DHSSA-KMC可以高效聚类生成竞品...     

基于卷积神经网络的列车位置指纹定位算法研究

针对高速铁路隧道环境下采用位置指纹定位时定位精度低的问题，提出将深度卷积神经网络应用于列车位置指纹的定位中。首先采用2σ准则、模糊C均值聚类FCM及类数据加权，对采集到的下一代铁路通信系统LTE-R中的信号强度值进行预处理，降低异常值的影响，提高指纹数据的有效性；然后引入定时提前量，增强指纹特征值；接着将处理后的指纹数据量转换为灰度图片指纹条，基于图像样本建立FCM-CNN指纹定位模型；最后以现场实测数据为基础对定位模型进行测试验证。结果表明，相较于采用未经处理的数据作为样本的CNN模型及传统的位置指纹定位方法，基于FCM-CNN的列车位置指纹定位方法，提高了数据质量，在离线阶段具有较大的指纹采集间距，大幅减少了指纹采集工作量，模型训练时间较短，定位精度小于10 m的概率可达100%,满足列车在中密度线路对定位精度的要求。