基于语义分割模型的三维沥青路面车辙异常分析方法

车辙深度是路面状况评价和道路养护的一个重要指标。现有车辙深度测量方法未考虑复杂路况下坑槽、松散、裂缝和桥梁接缝等对车辙计算的影响,其有效性和适用性受到了限制,测量结果的真实性也有待进一步验证。有鉴于此,文中提出了一种基于语义分割模型的沥青路面车辙异常检测与校正方法。采用三维线激光技术采集道路横断面高程数据,利用包络线算法提取车辙深度。对于最大车辙深度超过10 mm的横断面,搭建基于深度学习的语义分割框架,提出改进的DeepLabV3+网络对病害类型进行自动辨识和像素定位,并结合最大车辙深度高程点,设计基于拉格朗日插值的校正规则来对异常车辙进行校正。研究结果表明,改进的DeepLabV3+模型能较为准确地识别和定位造成车辙检测异常的路面病害,其对5种路面特征和病害的综合检测准确率达81.63%,在均交并比（MIoU）和大部分交并比（IoU）上的表现均优于U-Net、PSPNet、DeepLabV3+模型。现场验证结果表明,文中方法不仅能够自动分析车辙异常的原因,还能通过对异常车辙的校正排除其他病害的影响,从而较大程度地还原实际车辙深度水平。文中研究成果可为路面预防性养护提供科学数据支撑。     

沥青路面车辙病害防治方法浅析

近年来,随着公路等级和里程的快速发展,车辙已成为路面早期病害的一个日益突出的问题,本文着重分析了沥青路面车辙病害产生的原因及防治措施,从而减轻沥青路面车辙病害的产生,提高沥青路面的使用性能和安全性能。     

沥青路面车辙预估方法的研究

以我国半刚性基层沥青路面车辙损坏为研究对象，在分析车辙的形成机理和车辙主要影响因素的基础上，通过半经验一半理论的分析方法，并结合大量的不同温度、不同压力、不同厚度的车辙试验、抗剪试验以及车辙试验剪应力的计算，提出了适用于我国半刚性基层沥青路面的车辙预估模型，并采用最小二乘法确定了预估模型参数，对沥青路面的设计和有效防止车辙损坏具有重要意义．     

一种评估沥青路面抗车辙能力的方法

车辙病害是沥青路面早期破坏的最主要形式之一,对沥青路面车辙进行评估,是改进沥青路面设计以克服车辙破坏的关键。在对当前通用车辙评估试验方法分析的基础上,提出一种基于真实路面结构沥青层全厚度、长时程车辙试验评估方法,全面评估沥青路面的抗车辙能力,并分析了该评估方法实施应用的关键问题,提出了这些关键问题的解决思路和方法。提出的沥青路面抗车辙能力评估方法,经济成本较低,应用简单,对于解决当前沥青路面车辙预估困难这一问题有一定的参考意义。     

河西地区沥青路面车辙病害的分析及对策

随着沥青路面的广泛应用,人们对于沥青路面的早期病害也越发重视。沥青路面的病害发生和使用寿命长短,除了和施工材料、工艺有着直接的关系,也同工程所在地的气候、地理环境有着密不可分的联系;甘肃省河西地区因受干燥、沙漠化的气候影响,沥青路面车辙病害尤为严重。本文主要对甘肃省河西地区的沥青路面车辙病害成因进行分析,并提出相应的解决对策。     

考虑既有路面车辙状况的厂拌热再生沥青路面力学响应分析

为研究既有沥青路面车辙状况下厂拌热再生路面的动态力学响应,本文通过现场获取不同车辙深度的路面芯样,并室内制备不同RAP掺量的厂拌热再生沥青混合料,通过动态模量试验评价材料的力学性能;利用3D-Move Analysis有限元软件分析不同结构组合的厂拌热再生沥青路面动力响应。结果表明：动态荷载作用下,再生路面各沥青面层均出现了拉压交互和应力集中的现象,再生路面结构随着车辙发展深度的加深出现拉裂破坏等病害的风险增加,但一定的车辙发展深度有助于提高沥青路面的承载能力。RAP掺量和既有路面车辙发展深度的改变将会使路面结构的模量组合发生变化,再生路面结构力学响应受这两种因素影响较大。为减少再生路面结构的永久变形并提高其耐久性,应充分考虑再生层和既有路面中面层的模量组合,从而改善再生路面结构受力情况。     

探究生化检验结果异常的原因

目的：分析了临床比较常见的异常原因,从中找出准确地原因,并且寻找出解决问题的方法。方法：对比一个患者两次检查的标本结果,深入探究采样过程中影响因素。结果：生化检验的最终结果,关乎到病人临床治疗和诊断,处理不当会导致无法挽回之严重后果。一般而言,影响因素对于采样结果影响非常大,医生会根据检查样本判断病情和下药,如果检测样本准确度不够,这直接影响到治疗效果,也会使得患者病情加重。因为不能在合适的时间里,进行对症下药。因此需要检验人员要高超的检测技能,有专业检验知识,保障检验结果。     

多变量统计数据中异常值检验方法的探讨

本文分析比较了单个变量异常值检验、及对多个变量进行综合检验的一些常用方法及其优缺点，并在此基础上，针对多变量、大样本统计数据，综合参数方法和非参数方法的特点，提出了一套系统的异常值检验方法。该方法具有适用范围广、稳健准确的优点，实例证明该方法确实行之有效，为评估统计数据的准确性提供了有利的依据。     

基于异常值检验的Bayesian方法验前信息可信度计算

由于采用了验前信息,Bayesian方法为小子样条件下的装备试验与评价提供了可行的理论依据,从而在装备试验与评价领域得到了广泛的应用。然而,由于验前信息具有多源性及主观性,当采用其进行Bayesian统计推断时,可能会导致Bayesian统计推断的结果偏差较大,使得决策风险增加。因此,研究Bayesian方法中验前信息的可信度显得至关重要。在现场试验样本信息已知的前提下,给出了验前信息可信度的定义,提出一种基于异常值检验的验前信息可信度计算方法,并基于Matlab数学软件,通过仿真思路实现了算法求解。最后,以某雷达探测距离试验为例,证明方法具有科学合理性。     

均匀分布下的异常数据检验

针对样本数据服从均匀分布时,样本中出现异常数据的检验问题,利用假设检验的基本原理和方法,在顺序统计量的基础上构造了检验功效较好的检验统计量,研究了均匀分布下的异常数据检验.根据顺序统计量的一些分布性质,推导出检验统计量的精确概率分布;在此基础上,利用Matlab数值计算得出检验统计量的检验临界值,编制成表便于使用;将检验统计量与Dixon型统计量进行功效比较,表明新的检验统计量功效更好.     

采用压缩感知的流程工业异常监测数据检验与修复方法

针对由于流程工业生产系统具有变量多、维度高、耦合关系复杂等特性导致的异常监测数据检验与修复难题,提出了一种采用压缩感知的流程工业异常监测数据检验与修复方法。压缩感知算法能够使用极少的测量数据重构出原稀疏信号或能够在某稀疏基上得到稀疏表达的信号。结合压缩感知原理及重构成功率指标,构建出重构非线性系统方程的数学模型,该模型仅使用少量的监测数据就可以重构出反映状态感知网络节点动态关系的系统方程。将重构的系统方程代入考虑系统偏差的求解结构中得到监测数据的解析值,对比监测数据的实际值与解析值,若实际值超差则用解析值替代实际值,从而实现异常监测数据的检验与修复。通过某煤化工企业压缩机子系统应用案例验证所提方法的有效性,结果表明:在监测数据正常的情况下,实际数据与修复数据的相对误差波动极小,而当监测数据出现异常时,相对误差发生剧烈变化,证明提出的算法能够检测到异常监测数据,并能够较好地恢复监测数据的原貌。     

基于三维纹理特征的沥青路面级配预估方法

采用三维激光扫描获取路面纹理数据,提取基于几何特征的表面性状参数和基于二维小波变换的多尺度特征参数作为模型输入。通过对比参数和分类器对8种已知级配沥青车辙板的分类效果,验证了表面性状参数与二维小波参数相结合,在多层感知机分类下效果最佳。选用多层感知机多元回归算法对8种路面类型级配曲线进行预估,其拟合优度R2高达0.849。采用消融实验分析不同参数的贡献度,发现二维小波能量参数影响较为显著。     

指数分布异常数据检验的Bayes方法

研究了指数分布场合异常数据的检验问题,提出了无信息先验分布下的Bayes检验方法．利用分布参数的先验分布严格推导出新的检验统计量及其后验分布函数．实例和蒙特卡罗模拟表明了方法是可行的,适用于同时含有异常大、异常小数据的情形,并能够避免遭受屏蔽效应．     

基于M估计的非线性纵向数据模型的异常点检验

介绍了纵向数据非线性混合效应模型,将有界函数Huber函数引入该模型的对数似然函数,得到模型参数的稳健估计(M估计),并探讨了基于M估计异常点检验的问题,通过血浆药物渗透数据说明了方法是有效的.     

锂电池异常状态监测的FEKF方法研究

为了保障锂离子电池的使用安全,提出了基于带渐消因子的扩展卡尔曼滤波（Fading Extended Kalman Filter,FEKF）的电池状态在线监测方法. 建立锂电池一阶等效电路模型,利用递推最小二乘法进行锂电池状态参数在线辨识,建立状态方程;引入最优渐消因子,构造FEKF,得到端电压残差;使用端电压残差序列构造χ2分布的诊断函数,计算误检率与状态参数异常阈值. 实验结果显示利用FEKF生成的残差能更早对异常状态进行告警,证明FEKF能够显著提高χ2检验对锂电池内部缓变型异常状态判断的准确率.     

基于分布特征的异常成绩检测方法

数据质量对于学生成绩具有十分重要的意义.本文将教育学原理与数据清洗技术相结合,提出了一种基于分布特征的异常成绩检测方法.在理论上论证了方法的合理性,并通过实验验证了方法的有效性.本文的工作不仅对于提高成绩管理系统的运行质量有直接的作用,而且为将数据质量研究应用于教育信息化领域提供了很好的开端.     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性,相同的路面状况指数(pavement condition index,PCI)可能代表不同的损坏组合.当多种损坏并存且损坏程度接近时,用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策.因此,通过对PCI的深入分析,明确了主导损坏代表性不足的路段,以现行预防性养护决策方法为基础,补充了一种考虑损坏构成特征、更具针对性的决策方法.以上海城市道路近5年的检测、养护数据为分析基础,首先利用有序聚类算法将路段按PCI水平分组,分析了不同阶段路面损坏构成和差异水平;然后,针对多种损坏并存且损坏差异不显著的路段,根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段;最后,基于有效养护路段建立并对比分析了2个基于BP (back propagation)神经网络的养护决策模型.结果表明:当PCI水平介于优良(84.4～93.0分)时,不同损坏程度接近,主导损坏代表性不足;考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度,测试集决策正确率达86.20%,优于仅考虑主导损坏的模型(58.50%).BP神经网络与传统决策树...     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

基于特征组合分析的主泵异常检测方法

为了解决传统阈值法在核电站主泵状态数据异常检测中的误判、实时性差等问题,提出一种基于单维状态数据特征分析和多维状态数据特征分析相结合的方法。对于单维状态参量,使用AR(auto regressive)模型拟合获得模型参数,再结合SOM(self organizing maps)神经网络的量化结果得到单维状态参量随时间变化的过渡概率序列;对于多维状态参量,使用OPTICS(ordering points to identify the clustering structure)算法聚类生成不同的模式组;然后根据两类特征提取结果综合分析,得到异常检测模型;最后将检测模型应用于主泵状态数据异常检测,并与其他方法进行比较。实验结果表明此模型在准确性、实时性上更具优势。