卫星收费系统GPS定位信息和路段匹配方法研究

描述了1种GPS定位信息和电子地图收费路段匹配的方法,分为地图精简和地图匹配2部分。根据GPS定位收费系统对地图及地图匹配的要求,对电子地图进行了精简。路段识别采用了GPS位置点和路段收费位置节点的匹配方法,通过设定收费标示值,配合路段间拓扑关系、路段的收费属性值信息,进行地图匹配计算,判断当前车辆是否行驶在收费路段上,从而对行驶在收费路段的车辆进行通行费用计算、对收费地图信息进行精简处理、探讨分析影响地图匹配精度的因素、描述地图匹配的方法。该方法经过实验检测,并在高速公路卫星收费实验系统中实际运行,效果良好。     

基于LES与Powell涡声理论的孔腔流激噪声数值模拟研究

孔腔流动中含有复杂的流体振荡,不但能够引起明显的噪声,而且会造成物体脉动压力和阻力的急剧增加,因而孔腔流动与流激噪声已经成为流声耦合研究领域的重要内容。文章首先对于Powell涡声理论进行了介绍,给出了涡声方程及其求解的详细推导过程,随后利用圆柱/机翼组合体与方腔流激噪声测试结果验证了计算方法的可靠性,最后采用大涡模拟方法结合Powell涡声方程数值计算了两型孔腔在不同水速下的流激噪声,并与中国船舶科学研究中心循环水槽试验结果进行了对比分析,结果表明数值计算方法能够较准确地预报孔腔流激噪声,并能展示孔腔内外涡旋结构。计算结果表明:在500 Hz以下的低频段,格栅1型孔腔的流激噪声显著高于格栅2型孔腔;在500 Hz-10 k Hz高频段,格栅2型孔腔流激噪声比格栅1型孔腔高,但随着流速的增高,两种孔腔流激噪声在高频段的幅值基本一致。这些现象与孔腔内的涡旋结构密切相关。文中对孔腔流激噪声的数值预报方法进行了验证,有益于理解孔腔非定常流动的物理机理,且为抑制孔腔流激噪声奠定了基础。     

基-面层间粘结状态对沥青路面车辙的影响

通过有限元软件模拟基-面层间局部不同粘结状态的沥青路面结构,计算分析了路面处于弹性阶段时荷载作用下的力学响应,结果表明：在车辆荷载作用下,由于基-面层间出现局部完全滑动,路面各面层底最大主拉应变都有增大,最大剪应变以表、中面层底变化明显,竖向压应变以越靠近牯结状态变化区越大;车轮制动,竖向荷载与水平荷载的联合作用加大了路面结构的变形.在此基础上,进行了室内车辙试验,较好地验证了,由于结构层间局部粘结失效,会导致沥青路面出现车辙.     

流激噪声数值计算方法及声学积分面影响性研究

在流声耦合领域中,水下航行体复杂流动与流激噪声研究具有重要的学术意义与实用价值。文章对FW-H声学类比方法、渗流FW-H声学类比方法、Kirchhoff方法与Powell涡声理论进行了物理内涵与数学公式的详细比较;然后利用大涡模拟结合四种声计算方法数值计算了三维NACA0015机翼、机翼/圆柱结合体、方腔产生的流激辐射噪声,并与国内外试验结果进行了对比,分析了四种声计算方法的计算精度与计算效率;最后,对围壳流激噪声进行了数值预报与试验验证,计算了围壳在不同水速下的流激噪声变化规律,并探讨了声学积分面对计算结果的影响。     

梁系平面刚度偏心分布高桩平台结构地震响应

基于工程实例,采用反应谱方法、时程分析法对梁系平面刚度偏心分布高桩平台结构地震响应规律进行分析研究。结果发现：横向地震作用下,反应谱法和人工波时程分析法计算结果较为接近,天然波时程分析法结果则因选波呈现差异;桩基二维、三维模型计算结果较为接近,横梁二维、三维模型剪力峰值计算结果接近,弯矩峰值结果差异大。纵向地震作用下,三维反应谱法和人工波时程分析法计算结果接近。不同计算模式对比表明三维反应谱法适应性较好。抗震设防烈度大于7度时,该类型平台结构桩基不宜选用PHC桩。对梁-板连接刚性系数λ进行参数分析表明：λ变化对横梁、纵梁内力的影响大于对桩基的影响,对纵横梁弯矩的影响大于对剪力的影响,且纵向地震作用下影响程度大于横向地震。说明板、梁之间的约束状态改变了结构的刚度分配情况,进而对结构的地震效应产生规律性影响。     

基于长短期记忆神经网络与注意力机制的智能汽车分车型跟驰模型

考虑到跟驰车流中前车车型对智能汽车跟车行为的影响，采用长短期记忆 （Long Short Term Memory，LSTM）神经网络，基于 NGSIM 数据集，通过 One-Hot方法编码车型特征，并引入注意力机制 （Attention Mechanism） 生成输入特征的注意力权重，训练并建立了一种可根据前车车型产生不同跟驰行为的智能车辆跟驰模型 （Identifiable Vehicle Type Car-Following Model，IVT-CF）。在不同前车车型的跟车场景中仿真发现，IVT-CF 模型仿真车辆的速度和位移的均方误差 （Mean Square Error，MSE） 比不分车型的 LSTM 模型分别降低了 23.8%、31.7%，比 IDM 模型分别降低了 15.8%、18.7%，仿真精度更高。在混入大型车辆的车队跟驰场景仿真中发现，交通流速度和车头间距的收敛时间为 92 s，该模型能较快收敛，具有较好的稳定性和抗干扰能力。