基于数字孪生的船舶预测性维护系统

针对造船技术和需求的发展,使得船舶维护面临着成本不断上升的问题,提出面对高端复杂船舶采用数字孪生技术进行预测性维护。在研究了数字孪生预测性维护模型模型基础上,将其分为创建数字孪生体、数据获取、数据预处理、模型训练、故障预测与诊断和设备维护六个阶段,并分别介绍了各阶段的主要任务和技术。最后分析总结了进行数字孪生船舶预测性维护难点及发展路径。     

基于图卷积网络的路网短时交通流预测研究

智能交通系统是缓解交通拥堵行之有效的手段,精准的交通流预测是其实现的关键所在. 本文考虑路网拓扑结构和交通流时空相关性,提出基于图卷积网络(Graph Convolution Network,GCN)的大规模城市路网短时交通流预测模型,具有较高的预测精度、预测效率和现实解释意义;采用真实大规模城市路网浮动车数据对GCN模型进行测试,结果表明,GCN模型相对于现有模型,在预测性能上有较大提升.     

基于洞壁实测信息的FA-PP岩爆预测模型应用研究

为了给岩爆隧道提供更加符合现场实际规律的岩爆预测结果,针对岩爆预测评价中应力判据界限值的多样性以及单一判据预测结果准确性低的特点,提出采用投影寻踪（PP）与萤火虫算法相结合的方法进行岩爆预测评价,解决了岩爆预测中采用多种应力判据时多项指标的模糊性和不兼容性等问题。此方法根据岩爆等级划分标准,构建了以实测数据、现场岩爆信息为基础的能够根据各项指标判定岩爆等级的投影指标函数,选取σ_θ/R_c,σ_t,σ₁三个岩爆评价中常用的指标,并采用萤火虫算法（FA）优化投影指标函数,寻求投影指标函数的最佳投影方向并求得最佳投影值,保证了此方法的精确性。研究结果表明：采用萤火虫投影寻踪算法（FA-PP）进行岩爆等级预测可避免传统预测方法中由于主观原因造成的误差,判定精度高,也免去了利用多项判定指标与现场实际情况进行对比而选择一个相对接近实际情况判据的繁杂过程;此方法可利用目标隧道的已知岩爆发生信息掌握其岩爆发生特点及对3个评价指标的敏感度,构建出符合目标隧道岩爆发生规律的FA-PP岩爆预测模型;以拉林铁路桑珠岭隧道为研究对象,将此方法应用到岩爆预测中,得到的预测结果与现场实测结果较为符合,验证了该方法的可靠性。     

基于TRNSYS的地铁车站公共区冷负荷预测模型

以地铁车站公共区负荷为研究对象,在前人研究基础上继续完善地铁车站公共区负荷计算方法,用该负荷计算方法得到的数据作为输入参数,应用TRNSYS软件建立地铁车站公共区逐时负荷计算模型.以南方某屏蔽门地铁车站为例,用该站夏季某时间段的实测负荷数据对TRNSYS模型进行验证;并用该模型对负荷影响较大的因素做详细分析,挖掘该站的...     

\"非典\"和新冠肺炎疫情对我国客货运输的影响比较与分析

为使运输行业有效做好新冠肺炎疫情防控工作并积极应对后续可能出现的行业风险,在剖析2003年“非典”疫情对各种交通运输方式客货运输流量产生影响的基础上,比较了新型冠状病毒肺炎疫情与“非典”疫情的共性与不同,分析了新型冠状病毒肺炎疫情将对我国客货运输发展产生的影响,预测新型冠状病毒肺炎疫情将在短期内对铁路客运、公路客货运、民航客货运造成较大负面影响;对铁路货运、航运影响较小;对快递、电商业发展产生积极影响。基于各运输方式客货运量所受影响预测,指出未来一段时期交通运输行业应关注的重点：要进一步健全行业突发危机管理机制和行业重大风险防范机制;针对此次疫情涉及面较广的特点,应关注农村交通运输防控工作,保障疫情期间“三农”健康有序发展。     

基于短时交通流预测的广域动态交通路径诱导方法

为提升车辆通行效率,以预测型诱导策略为基础,以排队长度作为交通诱导的约束条件,利用小波神经网络短时交通量预测预知路段堵死事件发生路段,通过广域诱导时空边界条件对事件路段进行节点分级和诱导周期长度界定,进而建立广域诱导模型;对事件区域路网进行分区,进一步确定该模型诱导起点位置,引入基于路径尺度的Logit 路径选择模型作为诱导路径选择方法,通过流量迭代分配方法实现路网负载均衡. 通过实例验证,该诱导方法能有效地缓解道路交通拥堵,提高路网通行效率.     

中国民航飞机大气污染物排放测算及预测分析

民航是我国重要运输方式之一,但相对于道路等其他运输方式,有关民航飞机对大气污染物排放测算及预测的研究较少. 基于国际通用的油流量法及LTO循环法对我国民航飞机HC、CO、NOx、SO2和细颗粒物排放进行测算及预测,并进行实证分析. 结果表明,我国民航飞机油耗及污染物排放整体呈上升趋势,油耗预计2040 年达到峰值11 826 万t.2018 年,HC, CO,NOx,SO2,PM2.5,PM10排放分别达到11 167,86 785,1 260 131,63 264,11 149,11 359 t,排放强度分别为0.09,0.72,10.44,0.52,0.09,0.09 g/(t ·km).HC 排放在2010 年达到峰值15 433 t, CO 预计将在2025 年达到峰值141 038 t,NOx 和SO2 排放预计在2040 年达到峰值,分别为 235.35万t,11.83万t.     

船舶外场涂装局部集气罩设计

以捕集船舶外场涂装作业过程产生的挥发性有机物(Volatile Organic Compounds, VOCs)气体为出发点,采用理论研究、仿真模拟和现场试验的方法,形成船舶外场涂装局部集气罩设计方案,并设定合理的验证方法检验方案的可行性和收集率。结果表明,船舶外场涂装局部集气罩可有效捕集VOCs气体,从源头控制污染物扩散,降低污染。     

基于IPSO-LSTM的高速铁路无砟轨道不平顺预测

为准确预测高速铁路无砟轨道不平顺发展趋势,结合改进粒子群优化算法(IPSO)和长短期记忆网络(LSTM)搭建轨道质量指数(TQI)预测模型(IPSO-LSTM),将轨检车获取的各项轨道不平顺检测数据经过异常值剔除和降噪等预处理,形成TQI时间序列数据,利用标准化处理后的TQI样本开展模型训练和不平顺预测分析,并与其他常用预测方法进行对比。研究结果表明：长短期记忆网络具有记忆历史信息的功能,能较好地预测非线性时间序列的发展趋势。采用IPSO可解决LSTM中隐含层神经元个数和学习速率等超参数难以选取的问题,增强了模型预测性能。针对某高速铁路K5+000～K7+000区段长达4年的轨道不平顺检测数据,IPSO-LSTM模型对TQI的预测精度最高,自回归积分滑动平均模型(ARIMA)次之,BP神经网络和灰色模型相差不大。IPSO-LSTM的平均相对误差和均方根误差分别为0.035和0.135,与ARIMA,BP神经网络和灰色模型相比,其平均相对误差降低22%～45%,均方根误差降低26%～45%,验证了IPSO-LSTM模型用于无砟轨道不平顺预测的有效性。IPSO-LSTM预测模型有望为了解和掌握高铁无砟轨道质量发展提供一种新的技术支撑。     

大数据环境下的船舶中间产品装配工时预测模型

基于大数据环境提出考虑误差修正的两阶段船舶中间产品装配工时预测模型。从船舶设计软件中提取中间产品装配工艺信息,建立反向传播神经网络(Back Propagation Neural Network, BPNN)模型,实现装配工时的初步预测。采集对装配工时预测可能造成影响的外界因素大数据,建立基于极端梯度提升(Extreme Gradient Boosting, XGBoost)算法的装配工时预测误差修正模型。两阶段预测结果相加得到装配工时预测值。实例验证该预测模型的有效性,可为船舶企业完善装配工时管理提供切实可行的解决思路。