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。     

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。     

基于线性叠加的智能船舶经济性评估模型构建

经济性是智能船舶能否实现推广应用的关键,目前国内外有关智能船舶经济性分析的研究较少。本文通过对传统船舶经济性分析方法进行修正优化,提出智能船舶经济性分析计算模型,并根据理论推导结果,得出智能船舶经济性分析的线性叠加简化模型,并利用40万吨级VLOC实际运营数据进行科学性检验。本文提出的模型与方法适用于各类智能模块加装情况下的经济性核算,为相关单位开展智能船舶经济性快速分析提供了理论支持和解决方案。     

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.     

基于可靠性方框图与蒙特卡洛仿真的船舶配电网可靠性分析方法

国船舶工业发展迅速,尤其在近几年迎来了跨越式的发展。船舶建设工业的发展能充分体现一个国家的经济和国防建设水平。但船舶配电网拓扑结构与陆上电网不尽相同,其运行环境非常恶劣,供电连续性和可靠性成为衡量船舶生命力的重要指标,同时也深刻影响大型船舶的平均寿命。因此,可靠性研究在船舶建设中发挥着越来越重要的作用。本研究以典型大型船舶中压配电网结构为研究对象,在全系统元件正常运行时相互独立的情况下,重点研究不可维修与可维修下的系统可靠度、MTBF、可用度、停运时间和失效数等,并进行详细的分析与讨论。首先,本文综合考察各种可靠性分析方法的适用性和准确性,选择利用可靠性框图、最小路集分析法计算并分析不可维修情况下系统的可靠度、平均故障间隔时间等可靠性指标；接着,本文简述了配电网的多种维修任务类型,并采用最小路集法与蒙特卡洛仿真法相结合的方法计算并分析可维修系统的可用度、停电时间、失效数等指标。本文研究结果对船舶配电网的设计、建造、运行和维修等具有积极的意义。     

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。