基于改进VGG16网络的TBM围岩识别方法研究

根据隧道掘进机(TBM)工程对前方地质条件的超前预警需求,开展围岩识别算法研究。针对原始VGG16网络结构待定参数过多以及知识蒸馏训练模式准确率不足的问题,提出一种基于改进VGG16网络的围岩识别方法。基于原始VGG16网络结构,优化其分类层结构,并减少网络复杂度,大幅降低网络待定参数量。基于传统知识蒸馏训练模式,优化其训练逻辑,提升网络对目标任务的特征提取能力。采用某隧道掘进工程的岩渣图像数据集,对上述方法进行验证。试验结果表明,该方法可在小幅提升准确率的同时,大幅减少网络的待确定权值参数。综上所述,该方法创新性地同时改进模型结构和训练模式,更适用于硬岩掘进条件下的围岩识别任务。     

阀泵联合控制压机主液压缸系统建模与仿真

为了研究阀泵联合控制的液压机主液压缸动态性能和稳态定位精度问题,利用流量连续性方程、力平衡方程建立了液压机非对称主液压缸的数学模型;采用Simulink工具建立了系统的数值仿真模型,开展了比例控制与比例积分控制下系统动态与稳态特性的研究.仿真结果表明:采用该阀泵联合控制方案可以有效地对液压机主液压缸实施控制,运用PI控制可有效提高主液压缸定位精度,但也带来了小幅度振动.     

应用改进蚁群算法的同心分布喷丝孔检测路径规划

为提高微孔同心分布喷丝板的检测效率,提出了一种基于改进蚁群算法的微孔检测路径规划方法。该方法针对传统蚁群算法收敛速度慢、易陷入局部最优等缺陷进行优化改进：重新定义微孔间的距离以适应典型喷丝板检测仪运动特点;采用最近邻法设定初始信息素浓度表使蚁群算法在相同的迭代次数等参数下求得更优的路径结果;通过路径尖端去除处理对蚁群算法的结果进一步优化,得到了优化的微孔检测路径。为验证算法的有效性,以典型的微孔同心分布喷丝板为算例进行检测路径的规划计算,结果表明：所提出的算法具有较快的收敛速度,优化所得路径与传统逐圈检测路径相比缩短路径长度约18%,可显著提高对应喷丝板的检测效率。     

滨海火、核电厂温排放数值模拟研究进展

回顾近年来国内外滨海火、核电厂温排放数值模拟研究的进展,着重讨论现有温排放数值计算模型的发展以及存在的问题,主要包括温排放系统模式的选取和模型边界控制等。认为三维数值模型在一定程度上代表温排放数值模拟的发展方向,并应考虑斜压效应,且将水动力场与物质扩散场耦合求解。     

基于声光调谐的扫频光源

提出了一种利用声光调谐方法进行滤波的扫频光源来提高它的输出稳定性。阐述了实现光源稳定输出的原理和方法,研究和分析了光源的相关参数。该系统采用声光调谐的方法代替机械滤波的方式。在一个环形腔内,使用半导体光放大器(SOA)作为增益介质,声光可调谐滤波器(AOTF)作为波长选择元件,利用声光调谐的原理对腔内的光进行选频滤波。在280mA的注入电流下,得到了1 294~1 368nm的扫频光源,其中心波长为1 328nm,半高全宽为51nm,扫频速度为3 731Hz,环形腔内直接输出的光功率为1.14mW。由于AOTF是电控制元件,波长的调谐不需要机械移动部件,故提高了系统的稳定性,输出光谱的重复性也很好。实验显示:通过这种方法获得的扫频光源输出稳定,基本满足扫频相干层析成像系统对扫频光源工艺参数的要求。     

浙江甬江潮波传播特征及影响因素分析

根据浙江甬江2015年全年潮位资料和洪、枯季水文观测资料,分析了潮波自甬江口门向上游传播过程中变形与衰减规律,并分析了影响因素。结果表明:口门处涨潮历时大于落潮历时,随着潮波上溯,上游奉化江河段落潮历时大于涨潮历时,口门处涨潮流占优,上游支流奉化江河段落潮流占优;河床阻力作用、上游径流顶托是造成潮波沿程变化的主要原因,河床阻力越大,潮波衰减越快,大潮期间潮波衰减比小潮期间更为显著,洪季潮波衰减比枯季更快。     

制孔垂直度偏差对复合材料螺栓连接强度的影响规律研究

螺栓连接是飞机复合材料零件连接的主要方式,已有研究主要考虑复合材料细观结构、失效准则、接触属性和螺栓螺纹细节等方面,对于复合材料制孔中制孔垂直度偏差缺乏相应的研究。本文依据ASTM标准建立有限元仿真模型,研究制孔垂直度对连接强度的影响规律,并通过单向拉伸实验进行了对比验证。结果表明,复合材料制孔垂直度偏差会对螺栓连接强度产生影响。     

基于子空间辨识的阀控液压缸泄漏诊断方法

为提高阀控液压缸泄漏检测的准确性和效率，提出一种基于子空间辨识的液压缸泄漏诊断方法。选取液压缸活塞杆外力负载作为输入信号，两腔压力、活塞杆位移与速度作为状态变量，建立系统状态空间模型；应用子空间辨识运算得到系统矩阵相关元素的估计值，并由此判断泄漏故障的存在、类型与严重程度。基于MATLAB-Simulink仿真模型对该诊断方法进行了数值仿真验证，结果表明该方法有效且具有较高的准确性。     

基于长短时记忆网络的盾构机刀盘扭矩实时预测

盾构机是土质隧道开挖的优质工程机械,被广泛应用在地铁建设。刀盘扭矩是保证盾构正常推进的关键参数,能被精确实时预测对预防灾难事故、确保施工正常推进具有极高的指导意义。针对现有扭矩预测多为计算平均值的问题,提出一种基于长短时记忆(Long-Short Term Memory,LSTM)网络的扭矩实时预测模型。首先通过分析盾构机状态参数与扭矩的相关性,选择一组关键状态参数,降低输入维度;然后建立LSTM扭矩预测模型;最后利用该模型在归一化后的实际数据集上进行验证并与BP网络模型对比。试验结果表明,该模型在测试集上均方差为0.002 81,平均绝对误差为0.036 7,均优于BP网络;该模型具有良好的预测能力与泛化性能,能够很好地拟合关键状态参数与刀盘扭矩之间的非线性关系。     

基于PSO-SVR的土压平衡盾构施工进度优化

针对隧道掘进机(TBM)利用率预测研究匮乏的问题,建立数据驱动的利用率预测模型并进一步对施工进度展开优化. 结合新加坡某地铁隧道项目数据,研究地质类型、司机操作与载荷对TBM利用率的影响,提出基于支持向量回归(SVR)的利用率预测方法,并以施工进度最大为目标展开操作参数优化. 利用SVR建立掘进环利用率与地质类型、载荷、操作参数的映射模型;建立以施工进度最大为目标,以地质类型、载荷、操作参数为约束边界的优化方程;利用粒子群优化(PSO)寻找特定地质类型下最优的操作参数. 结果表明：SVR模型在验证集和测试集上的R²分别为0.729和0.625,均优于多元线性回归、决策树、k最近邻、随机森林、AdaBoost和XGBoost模型;PSO能准确地找出最优的操作参数.