基于CapsNet模型的过程故障识别研究

为了实现过程故障的识别诊断,文章使用CapsNet模型训练数据。首先,运用网络模型的空间特性,以向量的形式对训练数据进行特征表示、归一化处理。然后,进行卷积操作,在动态一致路由更新上进行故障分类。最后,增加重构模块来对输入数据矩阵反馈修正,降低损失误差,使网络快速收敛。同时,在每一层网络进行特征可视化,能清楚看到每一层网络特征图的变化。实验结果表明,文章模型的过程故障识别性能优于其他神经网络模型。     

BP神经网络在桥梁焊缝收缩预测的应用研究

神经网络是一种模拟人脑结构和功能的信息处理系统，BP网络算法是目前研究最为成熟的理论．被广泛应用于非线性建模，参数识别等领域。本文运用BP神经网络，对桥梁悬拼阶段施工控制中焊接收缩变形进行网络的建立，并利用现场实测数据进行网络的训练和仿真。计算结果显示，在目前对悬拼阶段箱梁的焊接收缩变形机理的研究并不十分透彻的条件下，用神经网络进行焊缝收缩的识别是一种可行的方法.     

基于手机信令数据的游客识别与出行轨迹匹配方法

为统计旅游交通的客运量，分析公路交通运输需求，优化运输组织，合理构建“快进慢游”综合交通旅游网络，研究提出基于手机信令数据的游客识别与出行轨迹匹配方法。通过划定景区边界，设置停留时间阈值，识别手机用户的游客身份；同时，借助地图工具批量计算信令发生位置间的出行路线与行程时间，匹配实际公路网。实例分析结果表明，手机信令数据能呈现手机用户的出行轨迹，且信令数据的位置轨迹与公路线位走向结合密切。在人们越来越依赖地图导航软件规划出行路径的背景下，利用该方法能更准确地识别景区游客并估计游客往来景区的出行路径。     

复杂网络的重叠社区发现并行算法

随着网络规模的快速增长,传统社区发现算法难以处理大规模网络数据和满足复杂网络的可扩展分析需求. 本文提出一种适用于大规模复杂网络的重叠社区发现算法PHLink. 该算法根据复杂网络的无标度特性将节点建立连边的原因进行分析和归类,用以识别网络中具有重叠性的社区结构,并采用MapReduce计算框架对网络进行分割和冗余存储,减弱了图计算的耦合性,解决了社区发现算法的分布式计算问题. 通过真实网络测试,PHLink算法可以大幅度降低边计算的复杂度,对于无标度特性明显的复杂网络提取0.1%的枢纽节点即可节省94%以上的计算量,较传统算法具有较高的稳定性和准确性,并且在Hadoop平台有良好的加速性和伸缩性,可以处理千万级连边规模的大规模复杂网络.      

基于深度学习的车辆轨迹重建与异常轨迹识别

车辆移动轨迹的不确定性及异常点段的存在使其在数字交通领域的应用面临挑战。本文构建基于数据增强的LSTM-AE-Attention深度学习模型，进行车辆轨迹重建和异常轨迹识别。首 先，使用对抗生成网络和贝塞尔样条曲线从样本量和种类两方面扩充数据集，实现数据增强；其 次，通过自编码网络与长短时记忆神经网络提取轨迹特征并完成轨迹重建；最后，结合自编码网络预训练和注意力机制构建异常识别模型。采用实际车辆轨迹数据测试，模型的评价指标明显优于支持向量机、随机森林和长短时记忆神经网络模型，重建实验中模型的决定系数为0.968，异常识别实验中模型的F1值较对比模型平均提升9.8%。结果表明，本文提出的模型可有效、可靠地运用于平滑车辆轨迹数据和纠正异常车辆轨迹。     

神经网络用于刚架结构裂纹识别的反问题

对刚架结构，利用传递矩阵方法建立含裂纹单元的刚度矩阵，用有限元正分析得到在裂纹的不同位置和深度时结构的固有频率。用已知（计算）的裂纹与结构频率所相应的一定数量的样本，对三层前蚀式神经网络进行训练，自学习后的网络将用于裂纹位置和深度的识别。以悬臂梁为算例，计算实验结果表明，此方法对裂纹的识别有一定的精度。     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。     

多层反馈BP网联想记忆分析

多层反馈ＢＰ网络是一种非线性动力学系统，为了对多层反馈ＢＰ网络进行形式分析，作者采用了电路类比的方式得到了它的数学模型，根据反馈ＢＰ网络的数学模型证明了反馈ＢＰ网络联想记忆过程的稳定性及有关性质，炒反馈ＢＰ网络的应用奠定了理论基础。     

收费系统车道行车状态的判断及应用

车道软件采集并保存外设的反馈信息，并利用这些信息推测本车道在某一时刻的行车状态，利用对行车状态的判断保证业务流水、抓拍图片、车牌识别结果以及计重数据的准确关联。     

基于轨迹大数据的城市交通感知和路网关键节点识别

结合城市道路网络的拓扑结构特征和交通流特性,建立基于有向加权复杂网络的城市交通网络关键节点识别模型.以兰州市连续7天的出租车GPS数据为基础,分析并可视化呈现兰州市在工作日和非工作日的城市交通流状态,并采用基于DWNodeRank的有向加权复杂网络关键节点识别方法对兰州市路网关键节点进行识别研究.本文研究方法和结果可为交通管理部门的规划、设计和管理提供科学指导.     

多源数据识别金丽温高速低能见度的研究

利用 2014-2018 年地面观测数据和新一代静止气象卫星等多源数据针对浙江省金丽温高速公路进行逻辑回归 (LR)、 线性判别 (LDA)、 K 近邻算法 (KNN)、 决策树 (CART)、 随机森林 (RF)、 高斯贝叶斯 (NB) 和支持向量机 (SVM) 七种机器学习方法的低能见度识别训练试验， 结果表明， RF 算法对地面观测数据和新一代静止气象卫星数据均有较好的训练效果， 且针对小于 1000 米的能见度天气有较好的识别效果。 进一步结合地面观测数据和卫星数据建立识别模型， 发现效果优于单一来源的数据建模， 一般以 RF 和 SVM 算法建模效果较好， 且在对浓雾、 强浓雾的识别中， 结合地面和卫星数据的模型识别效果更好。 利用 RF 算法再对 2019 年 1 月金丽温高速公路的大雾过程进行识别， 显示新一代静止气象卫星数据的模拟效果不差于地面观测识别效果， 且能够识别夜间和凌晨的雾。 新一代静止气象卫星对地面能见度的观测识别可作为有效补充， 将对省内没有地面气象观测的低能见度识别和短临判别有一定辅助参考作用。     

基于一维ConvNeXt网络的齿轮箱故障诊断

针对齿轮箱发生故障时内部齿轮与滚动轴承受损情况复杂且难以识别的问题,提出一种基于ConvNeXt网络的齿轮箱故障诊断方法。该网络模型以深度可分离卷积为基础框架,构建适用于一维数据的残差块。为了提升网络模型的拟合能力,引入GELU(Gaussian Error Linear Units)激活函数对数据进行非线性变换。使用层标准化对数据进行归一化处理,抑制了中间协变量偏移现象并提升了网络的收敛速度和稳定性。使用DDS(Drivetrain Dynamics Simulator)齿轮箱故障数据集进行实验,结果表明此网络模型大幅降低了网络模型参数量,对齿轮箱各类故障均有较高的识别精度并具有良好的抗噪性。     

用铰接板(梁)法计算有损伤桥梁的横向分布系数

给出分析有损伤桥梁荷载横向分布系数计算的铰接板(梁)法模型和一般方程，讨论了不同损伤位置和损伤程度对横向分布系数的影响，并针对某病桥的实测数据，运用遗传算法对损伤位置与程度进行识别，其模型计算的横向分布系数与实际情况吻合，表明此模型和方法是可行的．     

交通地图图像中道路识别与道路信息提取

提出了一种基于道路中心线的闭环反馈改善交通地图图像中道路识别与提取的方法,以达到识别与提取完整道路网络的目的.依据于微观识别与宏观排除的逼近思想,实现了道路图层的初始聚类与输出反馈控制下的道路图层完全提取.针对标准城市交通地图,确定了道路与区域阈值条件.通过对噪声的再聚类过程实现道路与区域的二值完全聚类.利用交通道路中心线特征构成道路图层反馈再聚类策略.反馈再聚类策略能够保证道路图层优化过程的收敛性质.试验结果表明了该方法具有较高的准确性、全自动化和通用性.     

正入射平面波的多层平板屏蔽

利用电磁场方法分析了正入射平面波的屏蔽问题，讨论了电磁场方法与传输线方法的等效性，并用传输线模拟方法提出了任意多层平板屏蔽体对正入射平面波的屏蔽系数计算公式，纠正了以往计算中的一些错误。     

基于可靠度的区域公路网瓶颈路段识别研究

为及时掌握区域公路网运行状况和准确识别瓶颈路段,本文基于可靠度的计算结果,通过点段重要度数据和路网模型分配数据计算,识别出重要路段集,再结合可靠性薄弱数据集,取二者的交集为瓶颈路段。通过算例验证,该方法具有较强的实用性和有效性,也为交通管理者识别和改善路网瓶颈路段通行能力提供依据。     

混凝土连续梁桥悬浇施工控制方法研究

对大跨预应力混凝土连续梁桥施工控制理论和方法进行了总结与评价,指出参数识别和状态预测均是大跨混凝土连续梁桥自适应施工控制系统内必不可少的功能。以主梁各悬浇梁段高程的理论计算值和实测值建立高程偏差反馈方程,并将其分为测量偏差、参数偏差和系统偏差三大部分;通过引入参数修正系数向量,实现对结构刚度、梁段自重、挂篮刚度、预应力效应和混凝土收缩徐变等参数的实时修正。以移动挂篮阶段的高程反馈偏差计算结构刚度修正系数,以浇注梁段阶段的高程反馈偏差计算主梁自重修正系数和挂篮刚度修正系数,以张拉预应力阶段的高程反馈偏差计算预应力修正系数,再根据各梁段在浇注过程的反馈偏差总值计算梁段系统偏差。基于灰色预测理论的GM(1,1)和修正GM(1,1)模型分别对待浇梁段的参数修正系数和系统偏差进行预测,获得了待浇梁段的立模标高。工程算例验证表明:随着悬浇梁段的增多、样本数量不断增大,提出的参数识别方法和计算公式能够较为迅速、准确地识别出各参数的真实值,而基于灰色理论的预测值也能够较为稳定的围绕在真值附近。     

基于复杂网络的城市交通拥塞因子风险传播机理及其应用研究

为了解城市交通拥塞因子风险传播特性,提升拥塞风险控制能力,依据昆明市路网拥塞实际调查数据,利用Pearson相关系数分析风险影响因子间的相关性,构建交通拥塞因子风险复杂网络。通过软件gephi0.9.2计算复杂网络各指标,验证网络的可行性和适用性。计算网络节点的相关指标进而引入网络节点重要度 k 的概念,据此将网络节点划分为核心节点、一般节点和边缘节点,同时引入直接免疫率 ρ 共同构建风险传播模型。对筛选出的核心节点进行直接免疫控制,免疫概率 ρ 分别取0.028,0.056,0.112后计算分析可知,免疫概率 ρ 取值基本与感染节点峰值比例值成反比。结果显示,识别出网络中重要度较大的节点并进行免疫控制后,交通拥塞因子风险的传播规模和传播速率将得到较好控制,对现实生活中治理城市道路路网交通拥塞有较好的指导意义。     

基于自适应压缩感知的分簇式网络数据收集

分簇式传感器网络中基于混合压缩感知的数据收集方法可以有效减少数据传输量并均衡网络负载.但是,固定采样率因不能考虑信号的稀疏度在时间和空间上的变化,导致低采样率难以保证信号的重构质量,而高采样率又会造成资源浪费.针对此问题,基于数据线性程度分析提出了一种采样率自适应调整的分簇式网络数据收集方法.首先,Sink节点以簇为单位分析当前采样时刻与上一采样时刻重构数据的线性程度,以掌握数据变化趋势;然后,根据分析结果计算网络在下一采样时刻所需采样率及簇头节点所需观测值维数;最后利用数据传输树实现对簇头节点观测数目的自适应调节.仿真结果表明,与基于固定采样率的网络数据收集方法相比,该方法能够在增加少量反馈观测值维数所需的数据传输量的情况下有效提高压缩数据的重构精度.     

城市轨道交通网络可靠性和运输服务质量评估

为评估区间通过能力下降对城市轨道交通网络可靠性和运输服务质量的影响，首先，以区间通过能力下降前后乘客的相对广义出行费用确定乘客的出行是否可靠，并以出行可靠的乘客占比评估网络的可靠性；其次，以乘客的平均广义出行费用评估网络的运输服务质量，采用基于改进Logit模型的随机用户均衡配流模型计算乘客的广义出行费用，并通过MSWA （method of successive weighted averages）算法求解该模型；然后，通过区间影响的乘客占比、区间介数分别识别网络的重要区间；最后，以武汉地铁为例分析重要区间通过能力下降后的网络可靠性和运输服务质量. 仿真结果表明:受区间影响的乘客占比识别的重要区间对城市轨道交通网络的可靠性和运输服务质量产生重要影响；重要区间多与换乘站直接相连，并且各重要区间能影响网络中12.24%～13.96%的乘客；为保证武汉地铁网络可靠性高于0.95，网络最多能容忍区间介数识别的3个重要区间的能力下降20%，或区间影响的乘客占比识别的1个重要区间的能力下降20%；随着下降区间数目和下降比例的升高，网络的可靠性持续下降，但网络的运输服务质量下降的情况会有所减弱.