摘要：铁路选线是一个复杂的工程问题,尤其是当稠密约束选线环境内存在起伏地形高差约束和大量障碍物时,现有计算机辅助线路设计方法往往需要耗费大量的计算时间和资源才能生成优化方案,甚至容易停滞,无法找到可行方案。为解决这一问题,提出一种三维快速搜索随机树算法以期快速生成满足所有约束的线路方案。首先,为避免随机树搜索陷入局部最优,提出平-纵整合式随机树启发式采样方法,将随机树搜索扩展到三维空间并实现对选线搜索区域的全面探索。其次,为了在线路搜索过程中高效提取相关环境信息,提出多源异构综合地理信息的统一管理方法,针对环境信息特点定制相应的储存策略,将地形、障碍物等环境信息离散到综合地理信息模型中,并在随机树搜索过程中动态处治障碍物约束。随后集成启发式采样方法和约束处治算子,提出随机树进化搜索方法,在随机树拓展过程中高效检索和处治障碍物,快速生成优化路径方案。最后,将此方法应用于一个真实稠密约束线路案例中,实验结果证明,此方法能实现对所有障碍物约束的空间绕避,并能快速产生优化线路方案,相比于人工方案,机选方案的造价降低了4.8%。实验结果表明此方法可以提高线路设计效率,为人工设计提供有价值的参考。

摘要：联邦学习是一种隐私保护的分布式机器学习框架,可以让各方参与者在不披露本地数据的前提下共建模型.然而,联邦学习仍然面临拜占庭攻击和用户隐私泄漏等威胁.现有研究结合鲁棒聚合规则和安全计算技术以同时应对上述安全威胁,但是这些方案难以兼顾模型鲁棒性与计算高效性。针对此问题,本文提出一种抗拜占庭攻击的隐私保护联邦学习框架SecFedDMC,在保护用户数据隐私的条件下实现高效的拜占庭攻击检测与防御.基础方案FedDMC采用“先降维后聚类”的策略,设计了高效精准的恶意客户端检测方法.此外,该方法利用的随机主成分分析降维技术和K-均值聚类技术主要由线性运算构成,从而优化了算法在安全计算环境中的适用性。针对基础方案存在的用户数据隐私泄露问题,提出了基于安全多方计算技术的隐私增强方案SecFedDMC.基于轻量级加法秘密分享技术,设计安全的正交三角分解协议和安全的特征分解协议,从而构建双服务器模型下隐私保护的拜占庭鲁棒联邦学习方案,以保护模型训练和拜占庭节点识别过程中的用户隐私.经实验验证,SecFedDMC在保护用户隐私的前提下,可以高效准确地识别拜占庭攻击节点,具有较好的鲁棒性.其中,本方案与最先进的鲁棒联邦学习算法相比,在CIFAR10数据集上,拜占庭攻击节点检测准确率提升12%~24%,全局模型精度提升4.45%~18.48%,计算效率提升33.21%~47.31%.

摘要：最小公倍数是解决很多数学问题的基础工具,在隐私保护的情况下如何对其进行多方协同计算具有一定的研究价值.部分经典安全多方计算协议虽然能够求解该问题,但计算复杂度为指数级.本文通过将最小公倍数问题转化为求多个周期函数的连接函数的周期,提出了一个基于量子周期查找算法的最小公倍数协议,将复杂度降为多项式级.在协议中,发起方对每个参与方发送一个粒子.每个参与方对粒子施加一个Oracle操作,其中Oracle函数的周期即各自的私有整数.然后,发起方通过运行量子周期查找算法来计算出连接函数的周期,即各自整数的最小公倍数.为了防御共谋和伪造攻击,采用星-环混合拓扑结构对粒子发送方进行诚实性检验.由于量子周期查找算法存在一定的失败概率,设计了一个量子匿名输出检验协议来检验最小公倍数结果的正确性.安全性分析表明了该协议在恶意模型下具有无条件安全性,且协议的计算复杂度和通信复杂度分别为O(n^(3)m^(2)log(nm))和O(n^(2)mlog(nm)),均为多项式级.此外,该协议具有较好的扩展性,可应用于安全多方最大公约数计算、有理数求和、最值计算等问题.

摘要：采用数值模拟与试验相结合的方法,考虑喷口几何形状、射流速度和跌落高度等因素,研究跌落射流气-液两相流动特性和空气夹带机理,分析跌落射流初始砰击过程和空腔的非稳态演化,讨论流场压力和速度的分布规律。研究结果表明:自由液面、跌落液柱、空腔、气泡和液滴等相间界面时空变化复杂;根据自由液面下方的气泡数目、分布和形成间隔,可确定无夹带、开始夹带、间歇夹带和连续夹带4种空气夹带模式;各影响因素的耦合会改变气泡羽流的穿透特征。根据射流跌落高度和射流速度建立了空气夹带图谱。研究成果可为提高运载工具的喷水推进效率和进行结构优化设计提供技术支撑。

摘要：该文依托滇中引水工程香炉山隧洞,开展深埋隧洞掘进过程中岩爆风险预测研究,提出基于数值样本和随机森林(random forest,RF)的岩爆风险快速预测代理模型。以地应力和围岩本构参数作为模型输入特征,以围岩最大弹性应变能密度作为输出特征,开展使用隧道掘进机(tunnel boring machine,TBM)掘进深埋隧洞过程中的多工况数值仿真,基于正交试验设计构建了611组数值样本,并通过围岩能量演化分析和相关性分析,验证输入、输出参数的合理性。进一步以RF为基分类器,利用10折交叉验证优化超参数,建立了岩爆风险快速预测代理模型,并对比多种机器学习算法,验证所提代理模型的预测准确性和适用性。结果表明:所提方法具有良好的预测性能和泛化能力,测试集样本的预测准确率达82.02%,优于用于比较的其余4种机器学习模型,为快速预测深埋隧洞施工期岩爆风险提供了一种研究路径。

摘要：深度神经网络可通过训练从大脑图像中预测年龄,作为识别衰老相关疾病的生物标志物.传统的脑龄预测方法往往依赖于单一模态的图像数据,而多模态数据可提供更全面的信息,提高预测精度.然而,现有的多模态融合方法往往不能充分利用不同模态之间的相关性和互补性.为了克服上述问题,文中提出基于多模态模糊特征融合的脑龄协同预测算法(CMFF),设计模糊融合模块和多模态协同卷积模块,可有效利用多模态信息之间的相关信息和互补信息.首先,利用卷积神经网络从多模态脑图中提取特征张量,径向拼接后整合到一个全局特征张量中.然后,利用模糊融合模块学习被模糊化的特征,再将特征应用到多模态协同卷积模块,通过特定的卷积层增强模态间的互补信息.最后,基于性别信息和经过模糊协同处理的特征执行年龄预测回归任务,得到准确的预测年龄.在SRPBS多重障碍MRI数据集上的实验表明,CMFF性能较优.

摘要：铁路线路与地形三维模型的融合是实现铁路线路三维正向设计的瓶颈之一。线路设计过程中,需要实时更新三维场景。现有的静态融合方法会修改原始的地形数据,且计算量大,耗时过长,无法满足动态交互式设计的需求。对此,提出一种铁路线路与地形三维模型实时动态融合方法。基于铁路三维场景,在每帧显示前动态提取视相关地形瓦片模型和线路三维模型,在内存中基于线程池并行对地形瓦片裁剪,实现二者的实时融合,并构建缓存队列,重复利用融合结果。为了提升单块地形瓦片和线路三维模型的融合效率,提出了“超挖-回填”的融合思想。借助高效的三角形空间网格索引,快速删除融合边界内及相交网格涉及到的三角形,虽然“超挖”部分三角形,但避免了繁杂的三角形定位、调整计算。依据超挖三角形外边界和融合边界构建“回填”区域,再采用剪耳法对“回填”区域重构三角网,实现铁路线路与地形三维模型的无缝融合。基于该方法开发了铁路线路三维设计系统,对一条104.9 km铁路案例进行了实验,结果表明:其显示帧率可以保持在35~45 fps,且能够实时更新三维场景。相较于传统的静态融合方法,该方法将长时间的全局模型融合转化为帧前的局部视相关动态融合,减少了线路方案修改时更新的融合数据量及计算量,从而满足了动态交互式设计的需求,提升了三维正向设计的效率。

摘要：复杂山区铁路线路土方调配及取弃土场选址对铁路项目的成本、工期、安全性、环境影响程度等产生长久深远影响,二者之间存在着复杂关联耦合关系。然而,既有方法忽略了上述联系,难以实现铁路线路土方调配与取弃土场选址协同优化。对于复杂山区铁路线路,构建了融合调配段落划分点、土方调配量、取弃土场的统一自变量集合,考虑了土方调配、取弃土场选址复杂约束,以土方调配成本、取弃土场建设成本及便道建设成本的综合费用为目标函数,集成综合基础信息子系统、土方调配优化子系统与取弃土场选址优化子系统,建立了土方调配与取弃土场选址的协同优化模型。为求解此协同优化模型,提出一种基于粒子群算法的累进求解策略。首先根据线路划分土方调配段落,进入土方调配优化子系统求得土方调配解,借助移动窗口法构建取弃土场备选池,进入取弃土场选址优化子系统求得取弃土场址解;其次,基于粒子群算法通过更新线路土方调配段落划分来累进迭代寻求最优解。以某复杂山区铁路为例,对铁路线路土方调配及取弃土场选址协同优化模型进行案例验证,与人工方案相比,最终机选最优方案可节省13.77%的综合费用。测试结果表明本方法的有效性,可提高铁路土方调配与取弃土场选址求解效率,为设计人员提供参考。

摘要：为开发兼具快速导液能力和一定抗拉强度的新型纤维基加湿芯,利用熔喷原位牵伸工艺制备的高定向排列聚乳酸(PLA)微纳米纤维材料与大孔隙粘胶纤维材料进行叠层复合,得到筒状纤维集合体,并对其形貌特征、吸湿速率、干燥速率以及力学性能等进行表征与测试。结果表明:筒状纤维集合体表现出类竹节形貌的层状定向微孔结构,密度为1.1~1.8 g/cm^(3);受益于纤维平均直径和密度的有效调控,吸湿速率和干燥速率分别增加到112.4 mg/s和1.03 mL/h,同时拉伸断裂强力保持在255.2 N以上。仿生竹节纤维基加湿材料样品在实际使用过程中的加湿量为39 mL/h,既可作为高性能纤维基加湿芯用于室内微环境湿度调节,又可为高导液纤维材料的功能性结构设计和绿色制备提供参考。

摘要：针对表面组装生产中的不确定因素造成企业订单完成时间滞后问题,本文设计并实现了一种考虑不确定生产因素的生产线负载平衡优化模型.首先,以不确定生产因素的历史样本数据作为随机模拟样本预估出不确定生产因素对订单完成造成的滞后时间;其次,优化元器件贴装工位分配方案并以任务完成作为触发事件模拟生产线实际运行得到动态生产计划;再次,根据动态生产计划计算出模型适应度值后,采用遗传算法对模型适应度值进行启发式寻优获得最优动态生产方案.最后,利用表面组装生产线试例对该模型进行验证,结果表明,该模型可准确预测产线各时段的生产任务、任务量及各器件贴装工位,有效提高了企业生产效率.