轮轨高频动力作用模拟中接触模型的影响分析

轮轨高频动力分析模型目前多沿用了传统的赫兹接触模型,其在高速轮轨系统上的适用性尚未得到验证。针对赫兹接触工况,建立基于多体动力学的车轮-轨道耦合动力学和车辆动力学模型,其中轮轨法向接触由赫兹弹簧表征,作为对比也建立基于显式有限元的三维高速轮轨瞬态滚动接触有限元模型,采用可考虑三维接触几何的"面-面"接触算法精确求解轮轨接触。对比150～500km/h速度范围内典型钢轨短波波磨(波长20～140mm、波深0.01～0.20mm)激励下的高频轮轨力结果,发现三种模型预测的幅值存在显著差异,但未发生轮轨脱离时(波磨尚浅),三种模型预测的幅值均与波深线性正相关。具体而言,相较于瞬态滚动接触模型,车轮-轨道耦合动力学和车辆动力学模型预测的垂向轮轨力更大,其特征幅值的最大差值分别为静轮重的39.2%和88.4%,三种模型预测波长30mm波磨的临界波深(恰好发生轮轨脱离)相应地高于0.2mm、0.14mm和0.05mm。开展高速、高频轮轨动力分析时,传统的赫兹接触弹簧会带来不可忽略的计算误差。     

矩量法-物理光学混合算法计算多尺度复合目标电磁散射场

基于电流的矩量法（method of moments，MoM）和物理光学法（physical optics，PO）的混合算法是目前求解电中尺度和多尺度目标电磁散射和辐射的主要方法，在计算MoM区和PO区的耦合作用时需要对PO区域进行亮区判断.传统纯CPU亮区判断方法时间复杂度为O（N2），时间消耗随着面片数量N增加而急剧增大.文中通过GPU渲染功能及对深度缓冲区（zbuffer）的利用，对PO亮区判断过程进行加速，亮区消耗时间与面片数量无直接联系，在面片数量达到105数量级以上加速优势明显.将加速的MoM-PO混合方法应用于复杂目标与粗糙面的组合情况，对比多层快速多级子（multi level fastmultipole method，MLFMA）方法，相比于纯PO方法，获得较高的精度.相比于单一算法，混合算法有明显优势.     

基于3D打印技术复制砂浆节理的剪切试验及峰值抗剪强度模型

为进一步研究节理三维形貌特征与节理峰值抗剪强度的关系,首先采用巴西劈裂试验获取了自然劈裂岩石表面,通过三维扫描技术获取了节理面形态的高精度点云,通过逆向建模得到了自然岩石表面的立体模型,结合3D打印技术制作出了与自然岩石表面一致的PLA模具,以3D打印获得的底模通过水泥砂浆浇筑了含有自然结构面形貌的相似节理面试样。PLA模具与复制材料差异较大,复制材料在凝结过程中不易与PLA模具黏结,进而使脱模过程较为方便,不会破坏节理面。同时PLA模具可重复进行相似材料复制工作,具有可重复使用的优点。然后进行了具有5组形貌面的20个水泥砂浆节理面在4种不同法向荷载情况下的结构面剪切试验,得到了结构面剪切位移-荷载曲线。研究了结构面峰值抗剪强度、峰值位移、剪切刚度影响因素。节理经过剪切后形貌面出现不同程度的磨损,其磨损范围与等效高差分布范围基本一致,并且在等效高差为剪断破坏模式且成片的区域磨损较为严重。在新粗糙度指标基础上提出了新的峰值抗剪强度模型,经试验对比显示出新模型的有效性。在新模型基础上提出了一个简化模型。对比发现新模型简化后其计算精度较新模型有所降低但由于所需参数减小计算较为方便,新模型简化结果精度虽然有所下降但是还是比Barton公式精度高。     

煤层底板水害三维监测与智能预警系统研究

针对华北型煤田煤层底板突水监测点覆盖不全、智能化水平不高等问题,以底板"下三带"理论为基础,提出集多频连续电法充水水源监测、"井-地-孔"联合微震采动底板破坏带监测以及监测大数据智能预警为一体的煤层底板突水三维监测与智能预警技术思路。其中多频连续电法监测系统以伪随机多频序列为人工场源,利用伪随机相关辨识技术提取强噪声背景中的弱信号,采用拟高斯-牛顿法对预处理数据进行三维电阻率反演,实现对煤层底板充水水源变化过程的自动化三维监测;"井-地-孔"联合微震监测系统主要通过研制带推靠的孔中传感器及回收装置,实现微震传感器"井-地-孔"三维立体布署,采用井下有线(IEEE1588)和地面无线(GPS)时钟同步方式解决地面与井下采集设备的时钟同步问题,建立起"井-地-孔"监测数据的实时传输网络,基于偏振分析联合反演的三分量定位算法,实现采动底板破坏深度时空精细定位与实时监测;智能预警系统利用时序大数据挖掘技术与计算机深度学习技术对电法、微震多元时序监测数据进行分析和处理,采用指标预警和模型预警方法对监测数据空间展布和预警级别以三视热力图形式输出,实时显示煤层底板各网格的预警等级,从而形成煤矿底板水害三维监测与智能预警技术体系。最后,以河北葛泉矿东井11916采煤工作面为应用对象,采用多频连续电法监测系统、"井-地-孔"联合微震监测系统,以及基于时空监测数据的智能预警系统对煤层底板岩溶水害进行三维监测与智能预警,为我国华北型煤田煤层底板水害监测预警提供了新的技术与装备支撑。     

基于深度学习的大采高工作面矿压预测分析及模型泛化

综采工作面矿压显现的分析与预测对于复杂地质条件下工作面顶板管理,保证矿井生产安全具有重要意义。采用关系型数据库储存液压支架工作阻力数据以及利用工作面推进过程中矿压显现的时序特性,采用SQL语言,运用长短时记忆网络(Long Short Time Memory,LSTM)深度学习方法,以红庆河矿31101大采高综采工作面矿压规律为研究对象,对工作面支架工作阻力、支架不平衡力、支架安全阀开启情况及初次来压与周期来压等矿压显现规律进行分析;基于建立的数据库,预测了红庆河大采高工作面矿山压力,预测结果表明LSTM方法较BP神经网络预测更具准确性。为进一步讨论本研究采用的LSTM网络模型的泛化能力,在采用布尔台42103大采高工作面、上湾矿12401大采高工作面少量矿压数据的前提下,使用迁移学习方法,对矿压数据进行预测检验,结果表明:LSTM模型具有很好的泛化能力,相比于不使用迁移学习方法,迁移学习可提高模型的泛化能力。最后,探讨了模型在3个大采高工作面矿压预测表现的差别,发现数据量本身对模型预测行为影响较大,增大数据量可弥补原始数据缺失等问题。在预测模型基础上设计了周期来压预警模型,集成形成相应矿压分析与预警系统,经工程验证判定预警系统分析效果良好。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。