改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明：飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

基于组合赋权法的城市桥梁可靠性模糊综合评价

为评估城市桥梁的可靠性,预防桥梁发生安全事故,考虑到城市桥梁评估的多标准、多因素需求以及评估体系建立的复杂性、模糊性,结合城市桥梁结构特点及规范要求,建立桥梁结构可靠性综合评价指标体系,采用改进的层次分析法(AHP),通过1—9标度法和自然指数标度法构建判断矩阵,确定评价体系各级指标主观权重,通过熵权法(EWM)确定各级指标客观权重,组合2种方法对指标进行赋权。引入模糊理论,选取柯西分布隶属函数并围绕桥梁结构工程特点进行修正,再计算各级指标隶属度矩阵值;并以某桥梁结构工程实例验证构建的指标体系和计算方法。结果表明：结合行业规范和专家经验确立评价指标体系,在现有研究的基础上使用改进AHP方法并引入模糊理论,能够提高桥梁可靠性评估的客观性和准确性。     

压缩空气泡沫在长距离管路输送中压降的数值模拟

基于Fluent对压缩空气泡沫在长距离管道中的流动特性进行了数值模拟研究,将压缩空气泡沫近似为弥散流,采用Saplart-Allmaras模型模拟了不同管径下压缩空气泡沫以及不同泡沫原液浓度的AFFF泡沫在长距离管道内的流动及压降变化。模拟结果表明,随着距离变化,各管径管道内压降均呈现线性变化,且随着压缩空气泡沫的流动,压降线性增大。管道管径对管内压降变化具有显著影响,管道直径越小,管道内压降越大;泡沫原液浓度对压降的影响较小,且压缩空气泡沫在长距离输送中的压力随距离线性衰减。将模拟结果与长距离输送的试验结果进行了对比,误差在10%以内。     

基于动态贝叶斯网络的民航空中停车事件安全风险评估

为探究组织和人的因素对发动机空中停车事件的影响及其演化情况,评估航空公司空停事件的风险水平,基于动态贝叶斯网络(DBN),构建一种适用于民航空停的风险评估模型。首先,运用主动与被动相结合的方式,识别影响发动机发生空停事件的组织和人的因素;其次,利用毕达哥拉斯模糊和决策试验与评估实验室(DEMATEL)方法,探究各个风险因素之间的因果关系;然后,基于得到的风险因素因果关系构建民航空停DBN,依据统计分析和专家经验确定民航空停的DBN参数,通过GeNle概率推理,进一步得出空停事件发生的概率;最后,以S航空公司的CFM56-5B发动机为例,评估民航空停事件安全风险。结果表明：2020—2021年,S航空公司的CFM56-5B发动机发生空停事件的概率分别为1.260×10^-6、1.352×10^-6;导致民航空停事件安全风险变化的主要原因是资源投入减少导致教育培训效果降低进而影响作风意识和合作沟通。     

基于HNAC-FD的高速公路网应急疏导措施效用评估

为安全有效地疏散突发事件造成的高速公路网拥堵,评估不同应急疏导措施的效用,首先,分析突发事件下高速公路网拥堵传播消散规律,基于提出的高速公路节点容纳能力(HNAC),结合基本图(FD)模型,建立HNAC-FD消散计算模型;然后,根据疏散案例交通流数据,使用Vissim软件搭建仿真模型,仿真分析不同疏导措施对疏散交通流速度的影响,并利用Logistic速密模型计算路网各个区段的交通流状态;最后,根据高速公路网突发事件案例,设计不同疏导措施方案,并通过HNAC-FD模型计算拥堵消散时间,从事件影响消散时间和拥堵队列车辆平均行程时间,评估不同疏导方案的效用。结果表明：疏导措施会延迟事件影响消散,但能提升疏散交通流的速度,减少拥堵队列的车辆平均行程时间,且组合方案的疏散效果与单一措施差别不显著;可逆车道具有最佳疏散效果。     

随机风速风向对无人机地面风险作用效果研究

为准确计算无人机地面坠毁后造成的伤人风险值,考虑空域环境内风对无人机坠落过程的影响,尤其是随机风速与风向对无人机地面坠毁位置的作用效果,并引入二阶标准模型定义无人机坠落过程,建立随机风速与风向作用效果模型,将风的作用输入到无人机坠落全过程,兼以真实运行场景参数、无人机自身运行参数,开展多因素作用下的地面风险评估,重点探讨风速、风向对地面不同区域内人群带来的风险作用,进而得出更加可靠真实风险评估结果。结果表明：环境内风的作用会对无人机地面坠毁位置产生显著影响,最终使得地面风险分布极不均匀,且风险数值远高于民航有人机的安全标准,因此,无人机不适宜在某些较为复杂的城市环境下运行。     

小样本条件下地铁运营事故致因推理模型

为克服传统事故致因推理模型不适用于小样本条件下的地铁运营事故致因推理的缺陷,将贝叶斯网络(BN)与Bootstrap抽样法、D-S证据理论相结合,建立地铁运营事故致因推理模型。首先,分析历年地铁运营事故样本,确定事故致因因素及网络节点;其次,基于BN的基本算法和理论,运用Bootstrap抽样法和K2算法进行BN结构学习;然后,使用D-S证据理论修正BN参数,建立适用于小样本条件下的地铁运营事故致因BN模型;最后,进行因果推理、诊断推理和敏感性分析。结果表明：所构建的地铁运营事故致因推理模型可有效进行事故推理预测,节点预测精度均值为0.858;通过因果推理得出最常见的地铁运营事故类型为运营中断,其次是火灾和列车冲突;结合诊断推理发现供电系统故障是导致运营中断的最主要事故致因。     

基于事故修正系数的山区高速公路事故预测模型

为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定理想条件的基础上,借助优势比分析方法,建立10个不同线形组合相对于基本预测模型的CMF模型;通过弹性分析识别出对不同严重程度事故有显著影响的因素,并以此分析山区高速公路线形指标及线形组合的安全效应。研究结果表明：CMF能够定量反映不同线形组合的风险效应,且其值越高,事故率及事故严重程度可能更高;山区高速公路中,平曲线缓坡组合相对安全,平曲线陡坡组合、平曲线竖曲线组合均有较高的事故风险;平曲线与凹型竖曲线组合时的风险会略低于其与凸形竖曲线组合;控制纵坡度、减少平竖曲线的组合均有利于山区高速公路交通安全。     

冬季高速公路逐时路表温度LSTM预测模型

为提高冬季路表温度的预测精度,提出一种基于多维长短时记忆(LSTM)神经网络的冬季路表温度逐时预测模型,以小时路表温度为模型输出,综合考虑多维气象因素的累积影响和路表温度的周期性,采用滑动窗口构造输入特征矩阵;构建路表温度LSTM逐时预测模型,通过深度学习高效逼近具有复杂非线性和不确定性的路表温度,并以江苏省宁宿徐高速公路、云南省麻昭高速公路为实例进行验证。结果表明：与随机森林(RF)模型和BP神经网络相比,LSTM路表温度逐时预测模型的准确率得到显著提高,在宁宿徐高速、麻昭高速的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别为0.303、0.295、0.543和0.581、0.694、0.833,预测值与观测值绝对误差位于[0, 1)℃之间的占比为93%和89%。LSTM模型能准确捕捉路表温度的周期性和不确定性,在阴雨天和晴朗天的预测值与实测值基本一致,模型鲁棒性较好。