摘要:为准确分析混合料中集料的形貌特征及其分布属性,更全面、深入和具体地认识集料,采用CT扫描、数字图像处理和三维几何重构技术相关数字化技术对集料颗粒进行实形重构,提出集料的5种形貌特征参数,针对3种集料的形貌特征进行数字化评价与试验分析,验证数字化重构方法的准确性,分析集料颗粒形貌分布特征,基于Pearson相关性方法分析形貌参数的相关性。结果表明:采用CT扫描技术和数字化实形重构技术,可以准确地还原集料颗粒的形貌特征,准确获得形貌参数；同种集料的不同粒径的形貌特征存在显著的分布特征；不同粒径的三维针片状指数和三维纹理指数相差不大；不同粒径范围的集料颗粒的形貌参数值随着粒径的增大离散性降低；三维纹理指数整体服从幂律分布,随粒径的增大,复杂程度逐渐降低；随粒径的增大,三维棱角度逐渐趋于稳定；三维棱角度与实形矩体度、实形球形度存在较强的负相关性；而实形球形度与三维纹理指数存在较强的正相关关系。数字化三维重构能准确、完整地描述和分析集料形貌及其分布特征。

摘要:在深部等复杂地质环境中,岩石力学特性及损伤特性对高温工程的开展具有决定性影响,为深入探究高温岩石的力学性能及其在受载过程中的损伤机理,以不同温度(25、200、400、600、800 ℃)作用后的黄砂岩为研究对象,基于X射线断层扫描技术(CT)获取黄砂岩内部孔隙数据及三维模型,分析黄砂岩孔隙率随温度变化规律,结合数值模拟探究黄砂岩微裂纹演化规律及损伤机理,从微观层面揭示高温作用下岩石热损伤机理。结果表明:随温度升高,黄砂岩总孔隙率呈二次函数形式增长,面孔隙率均匀度随之降低；黄砂岩产生热损伤的主要因素包括高温脱水、矿物成分热分解、矿物颗粒膨胀；热分解及颗粒膨胀导致的孔隙率增加是造成热损伤的关键因素；25~400 ℃阶段,不同矿物颗粒膨胀挤压,导致局部应力区域出现,黄砂岩内部裂纹以晶间裂纹为主；400~800 ℃阶段,黄砂岩内部矿物成分相变、分解,导致局部应力区域增大,黄砂岩内部裂纹以晶内裂纹为主。以黄砂岩孔隙率定义损伤变量,构建了热作用下黄砂岩损伤演化模型,可为高温岩石力学的损伤机理研究提供理论基础和技术支撑。

摘要:为建立反映TBM掘进参数与岩体等级关系的岩体等级识别模型,并提高模型的构建效率和识别率,以某隧道工程为背景开展研究。现场勘测岩体特征并基于BQ法和RQD值划分岩体等级,采集TBM工作数据并筛选出与岩体特性变化相关的主要掘进参数；基于轻量梯度提升器(LightGBM)算法,拟合TBM掘进参数与岩体等级的关系,并利用遗传算法(GA),优化LightGBM的超参数,最终建立GA-LightGBM岩体等级识别模型。结果表明:GA-LightGBM模型的识别准确率达到了93.5%,高于支持向量机模型和随机森林模型的准确率,且模型训练速度比梯度提升决策树算法提高了8倍；5种TBM掘进参数与岩石强度和岩体完整性等特性存在相关关系,其中总推进力可作为感知岩体特征的主要判据。研究提供了一种高效分析TBM掘进参数并准确识别岩体等级的方法,为现场快速感知岩体等级并实时调整作业参数提供支撑。

摘要:为提升智能压实(intelligent compaction,IC)质量的实时检测与评价精度,提出一种基于GA-XGBoost模型的连续压实质量预测方法,以提高动态变形模量(E_vd)的预测精度。模型以动态变形模量为目标,建立机器学习模型,主要采用决策树算法,构建XGBoost模型对压实质量进行预测分析。通过引入遗传算法(genetic algorithm,GA)对模型超参数寻优,以提高模型的预测精度和可靠性。首先,通过现场工程试验,测量压路机碾压时振动加速度,分析加速度信号,计算信号统计量并采用快速傅里叶变换（FFT）得出谐波频率,初步建立各项特征因子与E_vd之间的系统联系；其次,筛选各个时频域特征,进行相关性分析,选用相关性较高的特征来建立预测模型；最后,验证了GA-XGBoost预测模型可以较好的预测E_vd。研究结果表明:遗传算法(GA)可以高效地确定XGBoost算法的超参数,且较单一的XGBoost模型表现出更优的收敛速度；通过优化特征因子,改变输入参数,提高了GA-XGBoost模型的预测精度,优化后均方误差为3.9%,相关系数为0.748；同时对比了传统CMV拟合E_vd的方法,该机器学习模型可以大幅度提高预测精度。

摘要:获取准确的车辆动力参数是车桥耦合振动分析与桥梁健康监测的前提,为此,提出了一种基于复模态分析与多核并行遗传算法的车辆动力参数快速识别方法。首先,改进了复模态理论结合有限元方法获取车辆自振频率、阻尼比、模态振型的算法；然后,提出了车辆动力参数识别的多核并行遗传算法,采用多目标适应度评价,以快速、准确地识别车辆刚度、阻尼、转动惯量；最后,采用车轮跌落振动实验和环境激励峰值法实测车辆的模态,获取用于适应度评价的自振频率、阻尼比和振型。通过对轻型汽车、重型卡车的动力参数进行识别进行验证,结果表明:用识别的车辆动力参数计算得到的车辆振动模态,与实测振动模态吻合,其中前3阶固有频率的最大误差为0.8%、阻尼比最大误差为1.3%,计算与实测振型向量之间的夹角余弦接近1；车辆的分析模型有必要增加车体的扭转阻尼,以准确反映实际车辆的扭转振动特性；多核并行算法大大加速了识别过程。16核心CPU在15核心并行时的加速比达到最大值12.5,在复杂车辆的多目标、多参数识别中,采用多核并行算法是非常有效的。

摘要:为评估高速公路前方车辆急减速事件下超视距预警对人驾领航车行驶安全的影响,设计了领航车为人工驾驶车辆的网联混驾编队模式,开发了具有超视距预警功能的网联人机交互界面,招募了36名被试开展考虑单车/编队的车队模式和有/无网联超视距预警的驾驶模拟实验。通过选取驾驶人行为特征指标、安全替代指标和车辆运行指标,从驾驶人纵向避险能力、动态碰撞风险和混驾编队整体安全性维度分析超视距预警的影响。结果表明:超视距预警能够提升驾驶人纵向避险能力,降低车辆碰撞风险；其中,网联混驾编队模式下的人驾领航车行驶安全性表现最佳,其表现亦有助于提升混驾编队整体安全性。研究结果可为超视距预警信息优化、领航辅助系统研发、网联混驾编队推广实施等提供数据支持。

摘要:准确把握出行者选择偏好,有助于构建需求响应公交（demand responsive transit,DRT）可持续运营策略,为此,结合DRT服务在中国缺乏成熟实践且社会公众尚未完全熟知现状,关注了出行者在面对复杂不确定出行场景时易存在的损失规避心理,引入社会经济属性、出行特征属性、方式属性等构建了基于混合效用与后悔的DRT选择行为模型,并以北京市15 012条样本数据进行了模型标定及验证分析。结果表明:60岁及以上的出行者群体对DRT服务具有最为显著的选择意愿；女性、年龄在25岁及以上、本专科教育水平及以上、月均可支配收入在1 000元及以上、具有2人及以上家庭等因素均对选择DRT服务具有积极影响。为充分发挥DRT服务对于绿色出行的促进作用,建议10 km以内出行距离下票价不应超过10元,且车辆绕行时间不宜超过总出行时间的1/4。

摘要:非均质软土地区路基的稳定性问题是岩土工程中的关键技术难点,为提升对其三维稳定性问题的评估能力,基于极限上限定理构建了非均质软土加筋路基的三维基底破坏机制,并依据虚功原理建立了相应的能量守恒方程。通过引入遗传算法,开发了一种用于高效求解三维上限解的搜索方法。该三维破坏模式可退化为边坡的三维坡趾破坏形式,并与已有边坡三维上限解进行对比,以验证遗传算法的准确性与计算效率。在此基础上,开展了参数敏感性分析,考察了路基分层特征、非饱和强度特性、抗剪强度非均质性、筋材抗拉强度、铺设层数以及基质吸力等因素对加筋路基三维稳定性的影响。结果表明:在三维基底破坏模式下,非饱和软土地基与路基之间的非均质系数比对稳定性具有提升作用,且该系数比越大,路基越稳定；在筋材抗拉强度不变的条件下,减小筋材间距会削弱基质吸力对稳定性的有利影响；当铺设层数一定时,非均质性越强,筋材增强稳定性的效果越显著。该三维稳定性分析方法可为加筋参数的优化配置和复杂地基条件下的路基设计提供可靠的计算工具和理论依据。

摘要:深度学习推动了交通目标检测发展,但复杂交通场景下密集遮挡环境中的小目标检测精度仍不足。针对上述问题提出一种注意力变形和动态查询机制的交通小目标检测算法CDAQ-DDETR,在Deformable DETR的基础上,通过引入CBAM注意力双塔机制和DCNv2可变形卷积重构原始残差网络,增强算法对密集区域交通小目标的语义获取能力；借助AFN网络思想添加低层特征,同时构建注意力感知融合金字塔模块,提高算法对多尺度中小交通目标的检测效果；依靠在原解码器前向集成动态查询机制模块结合输入图像匹配目标特性,以构建最佳查询向量提升算法对多样化背景干扰的适应泛化能力。在VisDrone2019数据集上进行实验,结果表明:CDAQ-DDETR算法在平均精确率（mAP@0.5:0.95）上已达到37.9%,在平均召回率（mAR@0.5:0.95）上已达到57.4%,相比现阶段主流SOTA算法在检测精度上提升5.5%,召回率提升8.0%,尤其针对于小目标检测精度提升6.9%,召回率提升了10.0%,同时利用可视化实验分析其更加适用于密集场景下交通小目标检测的实际应用。

摘要:针对地铁隧道盾构姿态难以控制的问题,以长春某隧道工程为例,基于现场实测数据,构建了一个融合经验模态分解（empirical mode decomposition,EMD）和轻量级梯度提升机（light gradient boosting machine,LightGBM）的盾构姿态预测模型（EMD-LightGBM）。首先,通过特征重要性和相关性分析筛选原始数据集特征。然后,利用EMD技术将数据分解为多个平稳子序列,并组成新数据集。最后,通过该新数据集拟合训练EMD-LightGBM来实现盾构姿态的预测,并且比较了该模型与单纯的LightGBM及融合EMD的反向传播神经网络（backpropagation neural network,BPNN）的预测效果。通过预测精度和预测稳定性两种评价体系来验证EMD-LightGBM模型的优良性能。结果表明:与LightGBM和EMD-BPNN相比,EMD-LightGBM在盾构姿态偏差预测折线图中的表现最佳,其平均绝对误差（mean absolute error,E_MA）和均方根误差（root mean square error,E_RMS）最大分别为2.89 mm和4.13 mm,决定系数R²最小值为0.95；同时,EMD-LightGBM的预测平均绝对误差E_MA和均方误差（mean square error,E_MS）的95%置信区间最大值分别为3.5 mm与25.6 mm²,结合其预测值的绝对误差（absolute error,E_A）和平方误差（square error,E_S）的良好频数分布,都说明了EMD-LightGBM在预测盾构姿态时的高精度和稳定性。研究成果可为类似工程的盾构姿态控制提供一种理论方法。

摘要:为了优化混凝土控制振动的能力,提出了3种通过钢纤维表面改性提高其阻尼从而提升减振性能的方法。将钢纤维使用硅烷偶联剂、乳化沥青、聚氨酯进行表面改性处理,通过振动激励法、显微扫描电镜探究了钢纤维表面处理对混凝土时域曲线、阻尼比、能量耗散因子和微观形貌的影响,并分析其影响规律与机理。研究结果表明:3种表面处理均可增大钢纤维混凝土的阻尼比,均在掺量（体积分数）为1%的钢纤维时阻尼比最大；乳化沥青对钢纤维表面处理试验组减振性能提升最为显著,当掺量为1%时,其保持抗压强度为50.5 MPa的同时,阻尼比提升为对照组的221%；钢纤维表面乳化沥青层增大了基体对振动能量的消耗,提高了混凝土的阻尼性能；钢纤维与基体的界面调制方法决定了减振方式,其中硅烷偶联剂表面处理钢纤维可增大纤维与基体黏结力,通过提高纤维与基体的滑移耗能提高振动过程的耗能,聚氨酯表面处理钢纤维可增大钢纤维和基体界面的形变能力和黏弹性,从而提升振动传播过程的耗能,乳化沥青表面处理钢纤维混凝土同时利用这两种方式进行振动过程中的耗能。研究成果提供了一种既满足实际施工中的工作性和强度要求,又具有优良减振性能的混凝土配合比,作为一种新型地铁道床材料减振方式,可为未来的工程实践和研究提供参考。

摘要:为准确模拟钢混组合斜拉桥混凝土桥面板和钢主梁的相互作用和二者之间因混凝土收缩徐变而导致的内力重分配,首先根据组合截面的内力分配特点和基于混凝土收缩徐变的增量递推算法开发了一种连续组合的新型组合梁单元-虚拟双层梁单元,然后采用三跨连续梁和赤壁长江公路大桥工程对该新型单元进行了验证分析和工程应用,并与工程常用的实际双层梁单元进行了比较研究。结果表明:虚拟双层梁模型计算结果与实测数据吻合较好,且相较于实际双层梁模型,单元数量可减少约67%,计算速度提高约40%。该新型单元既具有较高的计算精度又能够减少主梁单元数量,实现了钢梁与桥面板界面之间的连续组合,不仅能精确模拟混凝土桥面板的收缩徐变效应,还可模拟钢梁与桥面板的分阶段施工过程,为组合结构提供了一种精度较高的改进钢混组合梁模拟方法。

摘要:为探明花岗岩残积土在增湿过程中微观结构变化特征,采用电镜扫描试验,通过PCAS软件分析土体非饱和饱和状态下孔隙变化,实现孔隙结构的定量表征,并通过核磁共振试验分析土体非饱和饱和状态的T₂曲线,进一步分析其三维分形维度特征。研究结果表明:非饱和状态下,随着含水率的增加,整体呈现较小孔隙数量减少、而较大孔隙增多的趋势,小的团粒在此过程中吸纳粗颗粒扩大形成较大团粒；达到饱和状态后,团粒解体,呈现相反的发展趋势;基于横向弛豫时间（T₂）可将孔隙分为团粒孔隙、粒间孔隙、微裂隙3类,其中粒间孔隙受孔隙水影响最为显著,团粒孔隙和微裂隙受孔隙水影响则较弱；三维结构分形维度随含水率提高而呈现降低趋势,并与含水率具有指数函数关系。对花岗岩残积土增湿过程中微观结构变化规律的研究为分析花岗岩残积土群发性滑坡的启动机理提供理论依据,通过监测土体含水率变化可预判孔隙结构演化阶段,结合分形维度模型可建立边坡稳定性评价指标,为闽粤丘陵区花岗岩残积土滑坡预警提供了关键判据。

摘要:为提升高烈度地震区铁路桥墩的延性抗震性能,降低强震作用下墩底内力,保护桩基础,提出了两种新型铁路延性构造桥墩方案,并对1个原型桥墩及2个新型延性构造桥墩模型试件进行了低周往复加载试验,最后分析了不同桥墩的损伤行为、破坏机制、滞回性能、耗能能力、残余位移、刚度和承载能力退化特性。试验结果表明:铁路常用圆端形空心墩破坏形式主要为弯曲破坏,在墩底塑性铰区域,裂缝大量开展,混凝土剥落、箍筋外露、部分纵筋断裂；而两种延性构造桥墩的破坏形态更接近于摇摆墩柱的边角破坏,破坏区域主要集中在墩底0～20 cm之间,到试验结束为止,墩身仅出现6～9条水平裂缝,墩底边缘混凝土局部压溃脱落；新型延性构造桥墩初始刚度可与原型桥墩保持一致,满足铁路桥墩的刚度需求,保证行车运营安全；新型延性构造桥墩模型2、模型3的等效屈服力分别为原型桥墩的91.31%和77.12%,墩顶极限水平力分别为原型桥墩的72%和65%,在强震作用下新型延性构造墩可以有效降低墩底及桩基础内力,保护桩基础；新型延性构造桥墩的等效黏滞阻尼比超过原型桥墩的50%,有效提高了铁路圆端形空心桥墩的延性抗震性能。

摘要:为有效应对灾害性天气对城市轨道交通客流组织的影响,探索灾害性天气条件下城市轨道交通线网客流变化规律,基于深度残差网络（DRN）和双向长短时卷积神经网络（BiLSTM）,充分考虑灾害性天气特征对客流变化的影响,开展了轨道交通线网客流预测研究。构建了融入灾害性天气特征的轨道交通线网客流DRN-BiLSTM预测模型,并选取均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R²）作为模型性能评价指标,并进行模型的客流量预测效果验证分析。分析结果表明:与传统LSTM、BiLSTM相比较,DRN-BiLSTM在灾害性天气特征输入情况下,MSE分别降低22.10%、21.96%；RMSE分别降低10.54%、10.46%；MAE分别降低3.20%、3.95%；R²分别提升5.01%、2.12%。使用网格搜索法对模型参数进行调优,优化后,模型训练损失降低36%。通过实例验证了所构建的轨道线网交通客流预测DRN-BiLSTM组合模型能够有效捕捉数据的深层特征,极大提升了客流预测精度。

摘要:为全面提升交通事故严重程度预测效果,针对现阶段传统机器学习与深度学习方法预测精度有限、网络收敛缓慢等问题,提出一种改进模糊宽度学习系统（fuzzy broad learning system,FBLS）的城市道路交叉口事故严重程度预测方法。模型采用Takagi-Sugeno模糊系统取代宽度学习系统（broad learning system,BLS）的特征节点层,在保留BLS快速收敛特性的前提下,更为广泛地提取高维事故数据所隐藏的特征；同时在模型的输入层融合SMOTE过采样算法,平衡事故数据类别,增强预测结果的可靠性。通过英国大曼彻斯特地区交通事故的历史数据,在横向维度上选择原始FBLS,在纵向维度上选择交通事故严重程度预测常用的随机森林（RF）、支持向量机（SVM）、BP神经网络（BPNN）、长短期记忆网络（LSTM）、卷积神经网络（CNN）,分别与S-FBLS进行预测性能对比,结果表明:S-FBLS在横向上相较原始FBLS将严重事故的预测准确率提升52.87%,在纵向上相较5种对比模型提升网络训练速度97%以上,整体准确率分别提升2.2%、8.95%、8.68%、6.47%、5.64%,特异度平均提升6.49%,灵敏度平均提升6.31%,精确度平均提升5.66%。基于S-FBLS的事故严重程度预测方法可为城市道路交叉口事故发生预警提供可靠的理论支撑。