数字孪生研究进展及在铁路智能运维中的应用

来源 :华东交通大学学报 | 被引量 : 0次 | 上传用户:zwj306041732
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
我国铁路基础设施建设正在从“建设为主”向“建管并用”发展,传统运维技术存在诸多弊端,亟需建立新的智能运维技术体系。数字孪生是实现虚实空间交互的先进技术,该技术突破了传统仿真及试验条件限制,实现以最快速度、最优成本掌握结构的实际运行状态。数字孪生能够将物联网、建筑信息模型、结构健康监测、数值仿真与人工智能等先进技术通过虚实数据交互,形成对物理实体有效地监控、模拟、预测、诊断与决策。针对数字孪生的发展、基本原理及技术方法进行归纳总结,阐述了数字孪生与建筑信息模型、结构健康监测、人工智能等技术的融合应用,总结了
其他文献
为研究密度分层流对潜体阻力及兴波的影响,本文基于RANS方程,采用Realizable k-ε湍流模型,结合欧拉多相流模型和自定义函数(UDF)方法建立了密度分层流中水下潜体航行特性分析的CFD模型。采用SUBOFF模型进行了网格及时间步长的收敛性验证,并将数值模拟结果与相关试验进行对比,验证了本数值方法的精确性;模拟了全附体潜体以不同航速航行于不同位置时的水动力特性,探讨了密度分层流中航速、潜深及潜体与内波交界面距离对潜体受力的影响。潜体的速度变化主要对潜体艏、艉及表面拐点处压力影响较大;而潜深的变化主
针对高维相关数据发布的隐私保护问题,本文提出2种隐私保护数据发布方法,解决高维相关数据发布时重复加噪导致的发布数据效用过低问题。基于概率主成分分析模型的隐私数据发布方法,及基于概率主成分分析和差分隐私的数据发布方法,利用主成分分析对高维数据降维,在低维数据中加入拉普拉斯噪声,然后再由概率主成分分析的生成模型生成数据集发布,使得发布的数据集满足差分隐私。经过分析与验证,当选取恰当的主成分个数时,2个真实数据集上的分类准确率较同类方法提高2%~5%。本文方法在支持向量机分类准确率方面可以保持良好的数据效用。