面向规划年度的杭州铁路客运枢纽分工方案优化

“十四五”期间，杭州铁路客运枢纽运输网络将逐步扩大，为了进一步满足客流需求，实现2025年杭州铁路规划目标，通过分析杭州铁路枢纽现状，研究客运枢纽分工方案优化。在分析杭州铁路客运枢纽现状、近期规划，以及客运枢纽设施设备、作业量及其基本分工方案的基础上，定量计算了枢纽主要客运站到发线通过能力、主要区间通过能力，通过枢纽点线能力适应性分析，提出了枢纽分工方案优化建议，包括沪杭高铁及沪杭长场分工优化方案、杭甬高铁及宁杭高铁作业调整方案等。     

高速列车高频激振试验台对试验室厂房的振动影响分析

为评估某试验室新建高速列车转向架激振试验台对试验厂房的振动影响，基于车辆-轨道耦合系统动力学模型，计算钢轨波磨不平顺作用下轮轨垂向高频激振荷载，并将其作用于Abaqus基础-地基-厂房有限元动力仿真模型，分析高频激振试验台对试验厂房的振动影响。结果表明：车辆最高模拟速度500 km/h下，受轨道不平顺激扰将产生轮轨高频激振荷载，最高荷载频率1 200 Hz,荷载峰值为213.9 kN;试验台振动影响范围在地面大致集中于以激振台为中心，半径为10 m的“圆形”区域，在深度方向上集中于深度约15 m的“倒梯形”区域；厂房柱下独立基础最大竖向动位移幅值为0.032 mm,最大加速度幅值为32.8 cm/s²,屋架与厂柱连接薄弱处最大振动速度幅值为0.585 mm/s,地面水平方向的振动速度幅值小于2 mm/s,振动指标均小于建筑安全及工作舒适性的幅值控制标准，表明高频激振试验台工作时试验室厂房振动符合要求。     

神经网络驱动的桥梁主动气动翼板颤振智能控制优化

通过风洞试验和数值模拟获得主动气动翼板优化控制参数需要庞大的试验和计算成本，并且难以得到最优的翼板控制参数。基于流线箱梁主动气动翼板颤振控制的风洞试验数据，以翼板与主梁扭转运动相位差为输入，颤振临界风速变化比例为输出建立BP人工神经网络模型，对神经网络进行训练得到了主动气动翼板颤振临界风速预测关系。结果表明：预测输出值和实际值之间误差为5%左右，相关系数为0.965;使用训练得到的人工神经网络模型以1°增量对0°～360°范围内的气动翼板相位差进行遍历计算，得到了两侧翼板相位差对主梁-翼板系统颤振性能的影响规律，当迎风侧翼板相位差位于180°～360°内时系统颤振性能得以提高，最优参数组合为迎风翼板相位差231°,背风侧翼板相位差63°;利用获得的最优气动翼板相位差参数组合，建立了主梁-翼板系统流固耦合模型，对试验和神经网络模型的最优参数的颤振控制效果进行验证，证明了神经网络对颤振控制预测的准确性。提出的通过数据量较少的试验数据训练构建人工神经网络模型，构建预测主梁-翼板系统颤振性能的理论框架，显著改善了颤振控制效果，实现了高精度主动气动翼板颤振的优化控制。