船载嵌入式网络视频监控图像模糊细节增强系统

船载嵌入式网络的普及应用,为船舶及其航行环境视频监控提供了有力支撑,为船舶航行决策制定提供了大量的图像数据。由于天气环境、设备振动等多种因素的影响,致使图像细节缺失,制约着视频监控图像的应用,提出船载嵌入式网络视频监控图像模糊细节增强系统设计。通过动态范围拉伸模式预处理视频监控图像,以此为基础,基于模糊集理论计算视频监控图像细节模糊熵,利用遗传算法确定最佳模糊参数,计算扩散系数,将其与视频监控图像模糊梯度场进行结合,应用变分法求解修正隶属度函数,通过逆变换将视频监控图像从模糊域转换到灰度域,即可获得细节增强后的船载嵌入式网络视频监控图像。实验数据显示,应用设计系统获得的增强视频监控图像信息熵最大值为9.45,充分证实了设计系统细节增强效果更佳。     

CDI/MCDI法海水淡化过程多物理场模拟及对比分析

针对电容法/膜电容法(CDI/MCDI)2种海水淡化过程,耦合求解质量、动量、电荷守恒方程多孔达西渗流,并结合吸附动力学方程,建立CDI和MCDI法海水淡化过程的三维瞬态多物理场耦合分析模型。在验证所建分析模型可靠性基础后,开展CDI和MCDI单元内完整“吸附-脱附”过程的模拟,分析CDI和MCDI脱盐过程中内部多物理场耦合作用机制,揭示CDI与MCDI两种海水淡化过程的规律及差异。最终结果表明：离子交换膜的存在,使得MCDI单元内流速及浓度分布规律与CDI单元存在一定差异;离子交换膜可有效防止共离子排斥效应并抑制“二次吸附”,使得MCDI单元的吸附及脱附效率优于CDI单元。     

都市圈市域(郊)铁路高质量发展研究及对策

随着我国都市圈经济逐渐形成,市域(郊)铁路蓬勃发展,公交化运营、一体化服务成为市域(郊)铁路发展的主要趋势。文章从市域(郊)铁路功能特征与运营需求出发,立足我国发展实践,通过分析我国市域(郊)铁路的发展现状,梳理发展过程中的创新点和存在的问题,借鉴东京都市圈市域铁路的成功经验,从规划、票务、运输、站城融合 4 方面提出我国都市圈市域(郊)铁路高质量发展的对策,旨在为促进我国市域(郊)铁路发展提供参考和借鉴,助力都市圈高质量发展。     

基于生成对抗网络的地铁OD需求短时预测

城市轨道交通作为一种安全、运量大、环保节能的交通工具,能有效缓解城市交通压力,逐渐成为大中城市居民最重要的出行方式之一。准确可靠的城市轨道交通短期客流预测对旅客出行与客流管控有重要意义。有鉴于此,提出一种新型的生成对抗网络(GAN)模型,即CWGAN-div模型,以实现对地铁OD需求的短期预测。CWGAN-div模型融合条件生成对抗网络(CGAN)模型以及基于Wasserstein散度的生成对抗网络(WGAN-div)模型,结合2种模型的特点,来提高原始生成对抗网络模型的稳定性和生成精度。考虑到地铁客流量变化的时间周期性,使用一种融合2类周期信息的时间标签作为条件信息,并与历史OD数据一起作为模型的输入。为了更充分、更稳定地挖掘地铁客流需求的时空相关性,采用一种改进的卷积神经网络,即残差神经网络构建CWGAN-div的内部结构。以深圳地铁1号线和4号线的44个站点为例,数值实验表明,CWGAN-div模型具有较好的稳定性和预测效果,相比传统预测方法和普通深度学习方法在预测精度上分别提高了27.97%和6.59%,相比其他组合模型提高了3.26%,相比基础CGAN模型和WGAN-div模...     

基于连续变量量子通信的地铁量子调度网络研究

地铁调度网络作为地铁运营系统的重要组成部分,是实现地铁系统中列车调度、实时监控和紧急通信等作业顺利进行的基础。针对地铁调度网络中调度信息的安全传输问题,提出一种基于量子通信技术的地铁调度信息的加密过程,以期实现调度信息的无条件安全传输,从而提升地铁系统中列车调度、实时监控和紧急通信等业务的安全性和保密性,保障广大乘客人身安全。考虑成本、数据规模以及量子系统与现有网络和器件的融合性,拟在地铁调度网络中采用增量部署和星型组网的方式开展基于连续变量的量子通信,分析其在集体攻击下的安全性。以深圳地铁10号线为例,设计一种基于CV-QKD技术的地铁量子调度网络。基于实际线路数据,计算部分站点之间通信的安全密钥率。仿真结果表明,连续变量量子通信能满足深圳地铁10号线全线的数据加密需求,并且有能力实现更远通信距离的调度信息安全传输。在通信距离较短的情况下,系统可使用较大的发送端信号方差或在接收端使用外差检测来实现更高的安全密钥率。相反,在长距离通信的情况下,接收端使用零差检测是性价比更高的选择。     

基于迁移学习的桥梁表观病害检测技术研究

桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。     

基于特征增强学习的路面裂缝病害视觉检测方法

受路面复杂背景的干扰,既有的路面裂缝病害视觉检测算法易产生虚警和漏检问题。基于此,提出一种基于语义特征增强学习的路面裂缝病害检测方法。为了强化网络模型对图像浅层特征的利用,该算法以Unet++网络为裂缝检测的主框架,其通过融合更多的底层特征信息来提升裂缝病害检测的精度。在Unet++网络层间特征融合的基础上,根据不同卷积层的特征图属性,进一步差异性地引入视觉注意力计算模块,有效抑制背景杂波的干扰,减少虚警率。为了降低裂缝病害检测的漏检率,利用空洞卷积操作分别从2方面改进网络模型的训练过程：其一,应用空洞卷积代替传统的池化操作,通过网络的自动学习剔除无关紧要的特征信息,加强网络对细微裂缝特征的学习能力;其二,在网络上采样前,建立空洞卷积金字塔池化层,通过增加对裂缝特征的尺度多样性计算,保证网络模型在不同拍摄距离下裂缝病害检测的适用性。收集大量的路面裂缝图像数据并与不同算法进行对比分析,实验结果表明本算法取得了比全卷积网络、原始Unet++网络更优的裂缝检测效果。     

苏虞张市域（郊）铁路线路宏观走向方案研究

为有效弥补苏州市域北向向心功能的不足,加强苏州城区北向辐射,打造“1小时通勤圈”的轨道交通骨干线路,基于苏虞张线的功能定位,总结宏观走向影响因素、布局原则,从上位规划、国土空间规划、吸引客流、旅客出行便捷性、工程投资及枢纽衔接等角度,对东、西通道宏观走向方案进行优缺点分析、综合比选,提出最优方案。     

锚杆（索）框格梁技术在隧道洞口水毁修复中的应用

为探索锚杆（索）框格梁技术在隧道洞口水毁修复中的应用,以G30线连霍高速永古段乌鞘岭四号隧道为研究对象,对乌鞘岭四号隧道上行线进口仰坡发生浅表层滑塌进行修复研究,采用锚杆（索）框格梁技术施工方法,解决修复难点问题,以期为相似工程提供参考。     

高强钢丝网-UHPC加固损伤RC梁抗剪性能试验研究

为研究高强钢丝网-超高性能混凝土加固损伤钢筋混凝土(RC)梁的抗剪性能,设计并制作了两根有腹筋工字形截面RC梁,其中一根作为对照梁进行一次性破坏加载试验,另一根经损伤加载产生剪切裂缝后对其两侧腹板布置高强钢丝网并浇筑UHPC进行抗剪加固。通过三点弯曲加载试验,研究了高强钢丝网-UHPC加固RC梁的抗裂性能、变形能力和抗剪承载能力,并分析了加固梁的破坏模式和失效原因。研究结果表明：高强钢丝网增韧UHPC加固方法可有效改善RC梁的抗裂性能,加固后梁的抗剪承载力显著提高。