电动汽车大数据处理活动中的伦理问题研究

为了解车辆零部件运行状态,分析整车故障原因,技术人员通过车载终端把电动汽车的整车控制系统各节点发送至大数据平台进行查阅、分析和下载使用。大数据的使用引发了信息工程领域的伦理问题。本文重点阐述了电动汽车产业运用大数据时可能产生的伦理问题及其产生原因,探索强化责任、加强职业道德教育等解决办法,并结合伦理学理论提出了建议。     

基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.     

加周期纵肋圆柱壳声辐射

本文研究了水中加周期纵肋圆柱壳在点力激励下的声辐射特性.壳体振动采用薄壳理论的Donnell方程描述,纵肋振动采用相互独立的梁的纵振动和弯曲振动方程描述.通过周向模态展开和轴向Fourier变换导出圆柱壳体径向振速表达式,使用波数域稳相法积分得到了远场辐射声压的解析解.数值计算给出了接收点正对激励点情况下的远场辐射声压级,并据此进行了机理分析.在加周期纵肋无限长圆柱壳中存在两类辐射机理:亚音速的弯曲波辐射和超音速的Bloch弯曲波分量辐射.由于圆柱壳体表面存在曲率,亚音速的弯曲波也能辐射极小部分能量到远场,并形成频带极窄的共振峰.加周期纵肋圆柱壳在周向是一种无限周期结构,存在多阶次的Bloch弯曲波.低于水中声波数的Bloch弯曲波分量能够通过相位匹配的方式高效辐射到远场.Bloch弯曲波的辐射存在一定的频率下限,其下限与纵肋的间距有关,纵肋间距越大辐射的频率下限就越低.     

半潜式平台波浪砰击测试方法与载荷特性研究

本文采用模型试验的方法对半潜式钻井平台受到的水平波浪砰击载荷进行了研究.为了克服模型结构动力响应的影响,试验时设计了专用的测量单元用于监测波浪砰击载荷,并采用小波分析的方法对砰击载荷试验数据进行降噪处理.试验结果表明:半潜式平台水平波浪砰击载荷的发生频率和砰击冲量随有义波高的增加而增加,但砰击载荷幅值则体现了显著的非线性和随机性特征,砰击载荷冲量的随机性和发散性则相对较小;平台立柱与箱型甲板连接处的砰击载荷较大,大多数海况下后立柱砰击频率和砰击载荷幅值比前立柱更高.     

一种含内部结构的水下圆柱壳振动声辐射计算方法

为解决含内部结构的水下圆柱壳振动声辐射快速预报问题,提出一种解析-数值混合方法.将整个结构分为水下圆柱壳和内部结构两部分,采用轴对称边界元法得到圆柱壳表面声阻抗,结合Flügge壳体理论,建立水下圆柱壳的数理模型;采用有限元法建立内部结构的动力学模型.根据圆柱壳与内部结构接触点的位移协调和内力平衡条件,建立整个结构的动力学方程,求解方程得到壳体表面振动速度,再采用边界元法得到声场中任意一点的辐射声压.通过与数值软件计算结果对比,验证了本文方法的正确性.本文方法在改变内部结构进行多方案对比分析时具有显著的计算速度优势.     

带漂角和输入饱和的水面船舶航向控制

[目的]为处理水面船舶航向控制过程中受到的非零漂角和输入饱和影响,提出一种基于反步法的航向控制方法。[方法]首先,利用相对速度求出实际漂角,再通过漂角对航向角误差进行修正;然后,采用一种预滤波方法减小航向改变时对航速变化的影响,同时引入双曲正切函数和Nussbaum函数逼近输入约束,结合自适应律对逼近误差和艏摇方向上的扰动进行估计;最后,借助指令滤波器简化反推过程,并通过Lyapunov理论证明控制系统的稳定性。[结果]仿真结果表明,所提控制器有效减小了水面船舶的航向输出误差,且能始终保持较小的控制输入力矩。[结论]研究成果可为水面船舶航向控制设计提供参考。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

动力定位深海采矿船作业过程数值分析

深海采矿是一种高科技且高难度的深水、超深水采矿技术,以往的研究成果中对采矿船动力定位过程与立管及设备耦合分析尚不充分.该文采用势流理论分析采矿船水动力性能,采用集中质量法与Morison方程对立管与中继舱进行动力学建模.船舶动力定位系统采用PID控制器结合Kalman滤波进行建模,同时模拟了推力分配单元,充分计及动力定位对耦合运动系统的影响,完成采矿船动力定位过程中的深海采矿系统时域耦合数值分析;计算获得指定海况下的采矿船、中继舱的运动状态,立管的张力以及推进器推力等信息;分析了动态模拟中动力定位的影响.仿真过程对于深海采矿设计分析具有参考价值.     

长周期波影响下某海港工程码头布置方案比选

针对在长周期波海域码头前期设计阶段如何通过数值模拟改进平面布置、减小影响的问题进行研究。采用WW3海浪模型、MIKE21SW模块以及MIKE21BW模块对长周期波进行较为全面的模拟,并根据实测资料进行验证。模拟步骤可作为长周期波波浪模拟的一般操作流程。为了更好地揭示长周期波对船舶的响应影响,将综合波分离为短波要素（＜30 s）和长波要素（≥30 s）,并将Hs＜0.3 m作为初步判断标准。得出结论：码头布置需扩大掩护范围以阻挡长周期波主浪向,同时尽量缩减口门尺寸以降低长周期波输入能量进而降低港内波高。