面向多源异构信息融合的隧道群组装备数据提取技术研究

为保证隧道施工多源异构设备数据的有效采集，针对施工群组装备运行数据特征，开展散布、异构设备数据的并行采集方案及技术研究； 在先行构建出数据采集系统框架、采集实施流程的基础上，针对设备多维、连续数据生成的特点，开展基于流数据管理（stream-based date management， DSM）的技术方法探究； 通过构建多并发数据采集（forward-oriented optimal concurrency control， FOCC）系统，实现多源异构数据的集采、并采。通过重点对前向乐观并发数据采集管理、采集设备自动组网技术方案进行研发实践，研发多协议集成、多接口并发采集、自组网、自主发送的“数据采集终端”，成功实现了龙门吊、泥水分离系统等隧道施工装备运行数据的实时提取。研究证明，提出的多数据并采技术方案可有效解决多源异构数据采集问题。     

矩形顶管关键技术研究现状及发展趋势探讨

首先，对矩形顶管技术的发展历程及其国内外研究现状进行综述，介绍当前矩形顶管技术主要的应用场景，并结合顶推力预测、注浆减阻、背土效应演化机制和控制对策、顶进过程中的地层响应模式和沉降计算、工作面稳定性评估等关键技术问题，对矩形顶管的理论研究进展进行回顾和讨论。其次，根据矩形断面掘进机的结构形式和切削方式，对国内外矩形顶管掘进机的开发现状及其分类进行介绍。最后，归纳当前矩形顶管在装备及工程应用领域面临的技术挑战，探讨矩形顶管技术的发展趋势，对矩形顶管装备智能化，矩形曲线顶进，长距离、大断面及复合地层等复杂场景下的矩形顶管技术进行展望。     

低地板车辆轴桥的强度计算与评定

简要介绍了低地板车辆轴桥的结构特点及重要性,参考EN 13104、EN 13979、EN 13749等标准,对极限工况和运行工况下的轴桥进行载荷计算,并采用有限元方法对轴桥的静强度和疲劳强度进行计算,得到最大Von Mises应力和Goodman疲劳评定图,分析结果表明轴桥结构满足静强度及疲劳可靠性要求,该受力计算方法对同类产品有一定的参考价值。     

单折线体外索对简支钢梁自振频率的影响

结构的自振特性关系到结构的健康安全,预应力系统作用到结构上会影响结构的自振频率.为考察体外预应力索系统对简支钢梁自振频率的影响,基于预应力系统作用机理并采用能量法建立了单折线布索型预应力钢梁的动力方程,求解此方程得到自振频率的计算公式,用此公式对一典型单折线索钢梁的一阶频率进行了计算,并与有限元模拟结果进行对比.结果表明:公式计算结果与有限元模拟结果基本一致,可用于工程设计.在此基础上,还得到了索预拉力、偏心距和截面积对梁自振频率的影响规律,为调节单折线布索型预应力钢梁的自振频率提供了理论依据.     

航班快速恢复建模与仿真研究

随着民用航空的发展与竞争,航班延误不仅影响航空飞行的安全与正常,更与航空公司的运营效率、运营成本及乘客利益息息相关。针对某一恶劣天气影响,对某公司受影响航班进行重新调配,考虑到航班的备降、盘旋等待、延误、取消等多种状态,以总成本最小为目标函数,建立航班快速恢复模型,通过MATLAB运用遗传算法设计航班恢复算法进行求解,得出最经济的航班恢复方案。     

基于连续点云数据的既有铁路轨面信息快速提取算法设计

三维激光扫描获取的既有铁路点云数据具有海量性、离散性等特点,难以从点云数据中快速提取线路参数.为此,结合现场实测数据,提出一种基于连续点云数据的既有铁路轨面信息快速提取算法.通过k-d树实现点云的快速搜索、查询和储存,利用主成分分析法和移动激光点聚类法提取的接触线分割构建出铁路缓冲区,进而通过平面格网法的粗提和多种约束条件下的精提实现了轨面点提取.对既有线路现场试验结果表明,轨面点提取的完整度c和准确度p均在93％以上,该方法能较好地实现钢轨轨面点云的快速提取.     

新型DC 600 V列车供电系统输出电压振荡解决方案

新一代复兴号动力集中动车组列车供电柜,首次采用二电平PWM整流器输出DC 600 V为客车供电。由于负载前端串联EMI滤波器,在负载投入时供电柜的滤波电感和EMI电容发生振荡,引起输出电压振荡。文章为抑制输出电压振荡,对输出端并联RC吸收电路和滤波电感并联RC两种方案分别进行讨论和验证,通过对主电路结构分析,认为滤波电感并联吸收电阻方案为最优。最后通过仿真和试验验证所提方案的可行性和有效性。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

货车自动驾驶技术及标准法规发展分析

目前,自动驾驶技术在乘用车领域已获得突破性发展;为提高通行效率和出行安全起到了极大的作用。自动驾驶技术在商用车领域的应用,有望较好解决高昂的人力成本和难以提高的效率等问题。然而,目前自动驾驶技术在货车的应用大多采用跟乘用车同样的标准进行规范,这在实际应用中存在着诸多的问题;例如,在FCW和AEB功能中货车在相同车速的制动距离要远大于乘用车,而其所采用标准规定的碰撞预警时间却并无多大不同,这在实际场景中存在着较大的安全隐患[1,2]。此外,货车质量和体积较大,且较多应用于长途运输,运输过程中会经历包括高温、严寒、山区等多种复杂气候场景,这些都将对货车自动驾驶技术在车辆制动效能、能耗以及多场景应用等方面提出更有针对性规范的要求。本文针对货车的应用场景特点,为其自动驾驶技术应用标准化提出了建议。