为了更精确地预测边坡变形,保证邻近深基坑开挖施工的安全,提出一种组合经验模态分解(EMD)、麻雀搜索算法(SSA)和长短时记忆神经网络(LSTM)的边坡变形位移时间序列预测模型。首先利用EMD对边坡变形位移时间序列进行分解,得到反映边坡变形特征的4个本征模态分量(IMF)和1个残差分量(Res);然后采用SSA对LSTM的超参数进行寻优,将各IMF及Res分量输入LSTM模型进行预测,将各个分量的预测结果等权加和得到最终的预测结果。以大连市某深基坑工程为例,利用EMD-SSA-LSTM组合模型对边坡变形位移时间序列进行预测,结果表明,经过EMD分解、剔除高频噪声IMF_1分量后的组合预测模型对边坡变形位移的预测精度高于未剔除的预测模型。
为了更好地求解非线性多目标联合信号配时优化模型,提出一种多策略的麻雀搜索算法(MS-ISSA)。首先引入Sinusoidal混沌映射,利用其随机性和遍历性的特点有效增加种群的多样性和质量;其次设定动态权重策略,平衡算法的全局探索和局部搜索;最后引入Levy飞行,利用其跳跃性特点探索更多解空间,提高算法的全局寻优能力,并使用9个基准函数对MS-ISSA进行测试,验证了算法的优越性。结合实际案例,应用MS-ISSA求解信号的配时优化模型,对比现状方案、Webster方案、遗传算法(GA)方案和传统的SSA方案,通过MS-ISSA得到的配时方案使延误降低16.8%,汽车尾气排放减少17.9%,交叉口的通行状况得到明显改善,验证了MS-ISSA在交通信号配时优化方面的有效性。
为破解铁路货车散料运输的刚柔耦合仿真技术难题,采用实体单元及边界共节点处理技术模拟散料煤,23 t轴重运煤敞车以80 km/h直线运行的仿真分析结果得到了运维实践的充分验证。在AAR5级谱激励输入下,钩缓冲击座周边焊缝的最短寿命仅有153万km,而扭曲叠加谱则迫使满载车体结构扭曲,刚柔耦合疲劳损伤评估表明:钩缓冲击座附近发生塑性损伤。对于关键焊缝,组合结构应力的最大循环幅值高达662 MPa,远远超过屈服极限。相应的von Mises应力也具有≤2 Hz的低频敏感响应特征,这与AAR/TTCI的观点一致。因而这一塑性破坏可以定性为超常低周疲劳损伤问题。在遵循固有的刚柔耦合关系前提下,刚柔耦合疲劳损伤评估新方法可以更好地处理工程实践亟待解决的疲劳损伤难题。
由于图像之间存在显著的模态差异,跨模态行人重识别仍是一项具有挑战性的检索任务,其关键在于有效学习模态的不变性特征。对此,提出一种基于语义增强网络的跨模态行人重识别方法(SELNet)。该方法能够轻量化学习模态间不变性信息特征表示,有效捕捉不同模态间的相似性,以减小可见光和红外图像的模态差异。SELNet是由通道一致性特征增强(CCFE)模块和大核空间注意(LKSA)模块构成的多维感知特征增强网络,其中CCFE模块通过强调输入特征通道之间的非线性关系捕捉通道维度的一致性特征,以减小模态差异;LKSA模块在提高局部特征上下文关系的同时,通过增大感受野提高远程信息获取能力,增强语义表征。实验结果表明,该方法在SYSU-MM01和RegDB数据集上,mAP和Rank-1值分别达到了67.58%和72.65%、82.36%和91.50%,充分验证了其有效性。镁合金车体在密度、强度等方面比铝合金车体更有优势,但其弹性模量较小,导致整备状态下一阶垂向弯曲频率不能满足要求。根据车体整备状态下一阶垂弯模态振型图,首先设计了车体结构改进措施,包括增加内端墙、改变车下设备悬挂为弹性悬挂、扩大弹性悬挂吊点横向跨距、增加吊点数量、缩小侧墙窗户等。随后,通过尺寸优化调整车体板件厚度,进一步提升车体一阶垂向弯曲模态频率。优化后,车体质量仅增加0.05 t,而一阶垂向弯曲频率提升至10 Hz(增幅为36.6%)。
利用超单元和结构优化相结合的技术,对动车组复合材料车体承载部件进行强度优化。首先,根据复合材料承载特点和力学特征,建立某动车组复合材料车体强度分析有限元模型。其次,在EN 12663-2014标准静态载荷工况下,车体碳纤维侧墙的最大蔡-吴失效因子仅为0.120,表明结构强度存在较大冗余。最后,通过超单元建模技术,以侧墙柔度、质量和铺层顺序为目标函数,以质量分数、蔡-吴失效因子和应变值为约束条件,对侧墙铺层方案进行优化设计,得到最佳的铺层顺序为[45°/-45°/45°/-45°/0°/45°/-45°/90°/90°/0°/90°/0°/45°/-45°]_s。优化结果显示,侧墙质量减少24.2%,最大蔡-吴失效因子提升至0.278,在满足车体静强度要求的同时,有效减少强度冗余。
为了提高柴油机气缸盖水压试验的缺陷检测精度,引入声发射技术并进行声发射特性仿真。首先,应用ANSYS有限元软件对气缸盖火力面进行水压试验应力仿真,以确定声发射特性仿真中声源函数的幅值;其次,在COMSOL软件中建立声发射仿真模型,通过设定声源函数、网格尺寸和仿真时步等条件,对气缸盖火力面进行声发射特性仿真,不仅揭示了弹性波的传播规律,还通过检测点的位移-时间曲线计算出弹性波的传播速度,侧面验证了COMSOL模拟声发射弹性波传播的可行性;最后,对测量点的位移信号进行短时傅里叶变换,结合灰铸铁板的频散曲线,确定弹性波传播过程中的主要频率及模态,从而为缺陷类型识别及尺寸评估提供理论依据。
为给定制公交的需求分析及运营管理提供理论基础和科学依据,填补定制公交需求研究的空白,构建了反映心理潜变量间关系的结构方程模型(SEM),获得模型适配值,并基于最大效用理论改进了Logit模型的效用函数,将SEM适配值引入二项Logit(BL)模型,最终建立考虑心理潜变量的定制公交需求转移模型——SEM-BL模型。通过对效用函数中的显著变量进行边际效应分析,探究不同变量对出行者定制公交选择行为的影响。研究表明:拟合得到4个通勤出行方式SEM-BL模型的预测准确率与传统BL模型相比,分别提高了3.72、4.45、5.19、5.73百分点,证实SEM-BL模型拥有比传统BL模型更高的预测准确率和拟合优度。
为提升网约车服务质量,结合BERTopic与ERNIE模型对社交网络数据进行用户意见挖掘,建立网约车服务质量指标体系。通过结合频度计算与TF-IDF算法评估指标权重,再根据情感分析结果确定用户满意度表示方法,以获取服务质量总体评分,最后利用IPA分析对现状问题提出补救措施。以微博评论为研究对象,结果表明,用户对司机行为态度、平台违规操作、客服等关注度较高;目前,网约车服务质量综合评分较低,仅为2.145分,未来需重点从平台和司机的规范管理、司机服务态度等多方面进行服务提升。案例研究表明,使用社交网络数据抽取乘客需求信息,利用主题模型量化主观评价的方法切实可行。
在轨道交通产业蓬勃发展的背景下,铁轨表面损伤的实时检测对保障列车行驶安全具有重要意义。然而,以往基于人工的检测方法效率低且可靠性不足,为此以实时性更强、检测精度更高的YOLOv7-tiny为原始网络模型进行优化,结合自建铁轨表面损伤数据集进行训练和测试,提出一种改进的铁轨表面损伤检测算法。该算法对原始网络的改进主要包括:引入SiLU激活函数,提高网络的特征提取能力;在特征提取网络中加入轻量级注意力机制模块(CBAM)。这些优化在不改变模型大小、不影响实时性的前提下提高了算法检测精度。对照试验表明,改进算法对于不同类别目标的检测精度均较原算法模型YOLOv7-tiny提升4百分点以上;综合性能mAP值达到76.9%,较原模型提升3.9百分点。因此,优化产生的铁轨表面损伤检测模型明显优于YOLOv7-tiny,对轨道交通安全维护具有更高的实用价值。
针对L公司500 kW楼宇机组的装配工序,基于数字孪生技术构建其装配工艺的数字孪生系统架构,然后通过对装配工作的几何模型等进行分析,建立楼宇机组数字孪生虚拟模型,实现虚拟模型与楼宇机组实体模型1∶1完全复刻。在此基础上,设计并完成500 kW楼宇机组数字孪生虚拟装配系统,用于仿真500 kW楼宇机组的装配生产过程,根据仿真结果及数据对装配工序存在的问题进行深入分析与优化。优化后,通过数字孪生虚拟装配系统预测改善方案的生产结果,确定方案的可行性或进一步优化直至达到理想效果,从而减少方案效果不佳造成的资源浪费。