通渝隧道围岩变形的神经网络预测

隧道新奥法施工中，常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。公路隧道围岩变形量是随时间而变化的数据序列，因而可以建立一些实时跟踪预测模型和方法。根据通渝隧道围岩拱顶下沉位移变形的特性，采用神经网络技术来预测其变形量，结果表明该方法简易、有效。     

基于复合神经网络模型的四轮独立驱动电动车控制

针对四轮独立驱动电动车的运动控制，提出了一种基于Ackerman转向模型和神经网络方法的复合模型，用于对各个车轮转速进行仿真和控制。这种复合模型的特点是结构非常精简，其参数可用实际整车数据来直接整定，尤其适合于车辆的中低速运行控制。     

Hub location with flow economies of scale

A characteristic feature of hub and spoke networks is the bundling of flows on the interhub links. This agglomeration of flows leads to reduced travel costs across the interhub links. Current models of hub location do not adequately model the scale economies of flow that accrue due to the agglomeration of flows. This paper shows that current hub location models, by assuming flow-independent costs, not only miscalculate total network cost, but may also erroneously select optimal hub locations and allocations. The model presented in this paper more explicitly models the scale economies that are generated on the interhub links and in doing so provides a more reliable model representation of the reality of hub and spoke networks.     

以太网技术在机组控制中的应用

叙述了自动化机组控制技术的发展，及以太网技术应用于机组控制的必要性，可行性。     

城市公交线网优化的线性模型

为了对现有公交线网进行优化,有效利用现有交通资源,解决城市交通问题,运用系统科学的思想,通过对城市公交线网优化的主要内容、优化原则、优化目标以及约束条件的分析,兼顾考虑乘客出行时间、公交线网密度和公交企业的利益以及公交线网的布局对整个城市的交通系统的影响,提出了优化目标的函数表达式及相应约束条件的数学表达式,建立了公交线网优化的线性模型,并给出了运用逐步筛选法对所提出的数学模型进行求解的方法。     

复杂路况下汽车主动避撞报警技术研究

汽车主动避撞报警技术对提高行车安全有重要意义,但如何减少复杂路况下行车时的误警率是当前需解决的关键问题。通过测量车载信息如汽车转向角度、车速、制动信号、转向灯信号等获知汽车的行驶状态,利用雷达技术感知路况和危险,基于合理的报警算法和控制策略,研制出复杂路况下的汽车主动避撞报警系统。通过实际道路报警试验,结果表明所采取的减少误警率的方法是有效的,所开发的报警系统更趋实用化。     

基于自适应遗传算法的路堤边坡稳定性分析方法

基于圆弧滑动面假定,提出了一种用自适应遗传算法搜索最危险滑动面及其对应的最小安全系数的新方法。该方法是一种改进的遗传算法,采用自适应求取适值、动态调整交叉率和变异率、自适应区间收缩。自适应遗传算法有效克服了传统方法易陷入局部极小的缺陷,提高了算法的搜索效率、精度和稳定性。     

基于模糊神经网络的既有钢筋混凝土桥梁构件可靠性评估

介绍了模糊神经网络的基本理论知识,根据其知识体系和既有桥梁可靠性的研究特点,结合相关文献的规定和研究成果,引入与所检测的截面裂缝宽度、应变值和应变值相关的评估参数Z,利用既有钢筋混凝土桥梁养护等级标准给出了构件技术状况等级与可靠指标的对应关系,然后根据模糊神经网络的理论优势,对输入变量(实测数据:裂缝宽度,应变值和应变值)进行训练,计算出构件在不同荷载作用下的可靠指标,其可用于既有桥梁结构构件可靠性评估中。并结合一实桥拆除构件的试验结果,得到了一些有益的结论,验证了本方法应用于既有钢筋混凝土桥梁构件可靠性评估的可行性。     

基于实测数据评估交通事件检测中神经网络应用性的研究

神经网络为交通事件自动检测技术摆脱传统方法探测率低、误报率高的状况提供了新的解决思路。在以往局限于仿真数据研究的基础上,本文利用I-880数据库实测交通事件数据对神经网络在交通事件自动检测中的实际应用进行了研究,结果表明:神经网络应用于交通事件自动检测技术中,具有较高的探测率和较低的误报率,但该算法可移植性较差,在实际应用中要予以考虑。     

市域快轨梯形轨枕无砟轨道在线实测及分析

总结分析2023年在国家铁道试验中心环行线完成的最高时速220km/h条件下,市域快轨梯形轨枕无砟轨道相对于普通有砟轨道的安全性、平稳性及减振效果等测试方案及测试结果。测试列车为8辆编组CRH380AJ综合检测车,测试指标包括：脱轨系数、轮重减载率、轮轴横向力等安全性及稳定性指标,钢轨及轨枕垂、横向动态位移等变形指标,钢轨垂、横向振动加速度等振动特性指标,以及距线路中心线3.5 m处路基表面的减振效果等。测试结果表明：市域快轨梯形轨枕无砟轨道的各项指标均低于相关规范标准限值,且与有砟轨道相近,表明市域快轨梯形轨枕在安全性、稳定性及钢轨振动特性方面可满足220 km/h速度级应用要求;市域快轨梯形轨枕无砟轨道相对于普通有砟轨道的减振效果按不同计权方式分别为3.3～5.1 dB、4.4～6.8 dB。本次测试成果可为市域快轨及城际铁路轨道减振技术应用提供借鉴与参考。