基于DBN-LSTM的滚动轴承剩余寿命预测模型

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,提出了一种基于融合深度置信神经网络（deep belief neural , DBN）和长短时记忆神经网络（long-short term memory , LSTM）的剩余寿命预测模型。该模型首先采用带通滤波降噪对滚动轴承振动数据进行去噪,然后依据均方根特征和峭度特征在轴承全寿命周期内的趋势图确定模型的预测起始点;其次利用优化后的4层DBN网络完成深度特征提取并用于LSTM的训练与测试。通过轴承全寿命周期试验证明提出模型的可靠性,并且与传统LSTM、BP(back propagation)神经网络和DBN-BP模型的预测结果进行对比,验证了本文模型的有效性。     

基于孪生深度神经网络的风电机组故障诊断方法

为有效提取风电SCADA (supervisory control and data acquisition)中时序数据故障特征,同时考虑一维卷积神经网络(one-dimensional, convolutional neural network,1-D CNN)提取局部时序特征和长短时记忆网络(long short-term memory networks, LSTM)提取长期依赖特征优势,提出一种基于1-D CNN-LSTM的风电机组故障诊断方法;针对故障样本稀缺问题,基于孪生神经网络架构(siamese network),提出一种基于孪生深度神经网络siamese 1-D CNN-LSTM的风电机组故障诊断方法,依靠少量样本数据对机组故障特征进行有效提取。结果表明：1-D CNN-LSTM优于其他现有深度学习方法;当训练样本不足时,所提出的siamese 1-D CNN-LSTM可以显著提升故障诊断结果。     

生成式与判别式视觉目标跟踪算法综述

视觉目标跟踪是对目标位置、速度、运动轨迹等信息检测与预测技术。该技术融合了计算机视觉、图像处理、深度学习等众多领域技术。本文将对目标跟踪算法发展情况以及研究现状进行梳理。首先介绍目前常用的基准数据集;其次指出生成式算法与判别式算法差异;再对传统的生成式算法进行简单的分析总结;随后围绕算法框架分别介绍相关滤波框架、深度学习框架、孪生网络框架、Transformer框架的判别式算法并分析不同算法的优缺点;最后分析目前动态目标跟踪存在的问题并展望。     

基坑开挖对临近既有地铁隧道影响分析

为研究基坑开挖对临近既有地铁隧道结构的影响,以济南历下医养结合中心项目近接地铁R3线施工为工程背景,开展风险判定并采用 FLAC3D 进行大型三维数值模拟研究。结果显示：基坑外部作业对地铁隧道的影响等级为二级;隧道开挖引起地表沉降模拟结果与实测数据基本吻合,数值模拟结果较可靠;基坑开挖引起左线隧道竖向位移最大-2.27mm、水平位移最大4.59mm,右线隧道竖向位移最大-3.0mm、水平位移最大5.19mm,左线隧道轨道竖向位移最大-2.27mm、轨向高差最大0.528mm,右线隧道轨道竖向位移最大-3.0mm、轨向高差最大0.763mm,均出现在B基坑西侧;基坑开挖引起径向附加压力很小,在10~20kPa范围内。总体上基坑开挖对隧道结构造成的影响均小于规范限值。     

上海地区深基坑周围地面沉降特点及预测研究

通过研究上海地区32个深基坑工程的监测数据,得到以下地面沉降特点:大多数地面沉降曲线呈凹槽型,存在沉降槽偏心距;最大沉降量δvm的变化范围在0.4δhm～1.9δhm之间(δhm为最大侧向位移),其平均值和最大侧向位移相等;所有基坑的支撑系统相对刚度都较大,支撑系统相对刚度对最大沉降量影响很小;抗隆起安全系数增大,基坑最大沉降量减小,同时绘制了基于抗隆起安全系数的最大沉降量预测曲线.最后,基于上海地区深基坑的沉降实测曲线特征,提出了考虑沉降槽偏心距的地面沉降预测方法,并结合四个工程实例进行了验证,结果表明,该方法预测精度较高,是一种实用的基坑周围地面沉降预测方法.     

金川深部典型岩石岩爆倾向性多因素综合评判

以金川二矿区深部为研究对象,通过对其花岗岩等6种典型岩样进行峰前卸载等多种常规力学实验研究,结合现场勘察数据,采用基于岩性、围岩、应力条件等不同评判角度的单一岩爆判据：强度脆性系数法、Barton法、弹性应变能指数法和围岩质量RMR法,分别对6种典型岩样进行岩爆倾向性理论预测,并引入模糊数学综合预测方法,以上述各单一判据结果为指标,运用专家评估法确定因素影响权重。多因素系统评价金川二矿区的岩爆倾向性。结果表明,传统单一岩爆预测判据方法不适合金川特殊地质环境。采用模糊数学综合预测方法多因素系统分析发现。花岗岩、大理岩等6种岩样均具有弱岩爆发生倾向,其结果与现场符合较好。对矿山下阶段安全、高效生产中的岩爆防治有一定的科学指导意义。     

基于模糊规则的深海底作业机器车不等分状态时间轨线规划

针对深海底自行走履带作业机器车,给出了一种新的基于模糊规则的不等分状态时间轨线规划方案.为适应深海底环境的不确定性,采用基于模糊规则的不等分状态时间轨线规划改进等分贝塞尔曲线运动规划,控制机器车按照既定路线行走.在不平整地面的试验结果验证了算法的有效性.     

板岩路堑边坡开挖扰动效应分析

板岩路堑高陡边坡,在开挖施工过程中可能产生的危害性较大.对其不同开挖阶段的扰动效应的分析研究,是一个极有价值的课题,能够为工程的设计、施工提供一定的参考和依据.本文以某高速三合同段的高路堑板岩边坡为依托工程,对天然含水率下的坡体的开挖扰动效应进行极限平衡分析和数值模拟分析.通过研究,揭示了不同工况下边坡的稳定性变化过程,为合理安排开挖工序,选择合理的防护方案,提供了技术参考.     

开挖边坡的三维有限元稳定分析

用强度折减有限元方法对开挖边坡进行了三维稳定性分析.计算结果表明:对于约束效应不明显的开挖边坡,边坡的初始破坏面在边坡的中部,随着折减系数的增大,边坡的破坏由边坡中部向两侧扩展,最终边坡在空间上形成匙状或贝壳状的立体土体破坏;当边坡的纵向长度与开挖深度的比值大于4时,边界约束条件对边坡稳定安全系数影响不大,可以近似地按平面应变问题进行分析;对于角部约束效应明显的开挖边坡,当边坡中部剖面发生破坏,边坡角部剖面几乎也同时达到破坏,其稳定安全系数是按平面问题分析结果的1.3倍多,类似的实际问题如果按二维平面应变方法进行分析,其计算结果应用于工程设计中是偏于保守的.     

融合植被指数的3D-2D-CNN高光谱图像植被分类方法

对于基于高光谱图像的植被分类,利用三维卷积神经网络和空谱结合可以取得良好的效果。但存在计算代价大、参数过多容易过拟合等问题。基于此,设计了一种三维卷积与二维卷积相结合的深度网络,通过数据分块的思想减小了计算量;并提出了一种融合植被指数的特征提取方法,改善了现阶段因高光谱图像样本数量少、光谱层间信息相关度高,造成的容易过拟合的问题。在植物园数据集、IP数据集和PU数据集上的实验结果表明该算法以较低的计算复杂度取得了出色的分类效果,具有较好的应用价值。