高速动车组用铝合金轴箱盖金属型重力铸造工艺优化

采用模拟软件Magma对铝合金轴箱前盖铸造工艺方案的充型及凝固进行模拟,分析对比了2种方案各自的优缺点.综合考虑,确定采用水平压边冒口顶注方式,并在此基础上采取保温砂套、局部冷却水管激冷等改进工艺,实现了冒口的圆满补缩,铸件获得了良好内部质量.同时在压边冒口下方增设内浇道以及使用过滤片,确保了铸件外观质量.     

120阀铝合金阀盖运用故障分析

120阀铝合金阀盖在运用中出现故障,通过对120阀铝合金阀盖材质与结构的分析,并与国外铝合金阀盖的对比,从材质和结构上对120阀铝合金阀盖提出解决问题的措施。     

某地铁上盖物业超限高层弹塑性地震反应分析

选取5组天然波和2组人工波,采用弹塑性时程分析方法对某地铁上盖物业超限高层进行分析,研究整体结构在强震作用下的动力响应和地震损伤破坏情况并在此基础上对整个结构及相关构件抗震性能进行评估。分析结果表明:在罕遇地震作用下,该结构具有合理的屈服耗能机制,满足预先设定的抗震性能目标。     

基于3DCS的前盖与翼子板平整度偏差分析

本文围绕某车型前盖和翼子板平整度虚拟分析超差展开,利用三维偏差分析软件3DCS建立尺寸仿真模型,模拟工装装配过程,计算前盖和翼子板平整度超差概率及各影响因素贡献量。通过优化车身工装定位点的位置,结合车身GD&T图纸相应公差调整,最终有效改善了虚拟分析的结果。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

两种动车组换端模式比较分析

针对动车组换端模式,阐述了CRH5和CRH380CL两种动车组的换端过程。通过两种动车组换端条件、换端操作及换端命令的对比分析,发现了CRH380CL型动车组的换端优点。根据对比分析,对动车组换端过程逻辑控制提出了优化建议。     

桩基托换监控量测技术的应用

随着城市地下构筑物建设日益增多,既有建筑的桩基础严重影响到了城市地下空间的开发,桩基托换技术随之得到广泛应用。桩基托换是信息化施工程度较高的一种工程,通过对托换过程中各监测项目的综合研究,总结出桩基托换工程监测的实施技术,包括监测项目、监测方法、监测数据的分析处理等。通过对监测数据及时进行分析,可得知被托换桩的沉降情况、托换梁的变形情况、被托换桩及相邻桩及梁板的受力变化情况、梁柱结合部分的受力情况,依据监测数据的分析结果,及时对千斤顶的顶升操作进行调整,做到信息化施工,确保建筑物及托换结构的安全。     

节能型屏蔽门系统换气量计算分析

屏蔽门上设置可控风口的节能型屏蔽门系统具有在空调季降低公共区冷负荷而非空调季节又能利用活塞风对车站进行通风换气的优点。采用一维和三维相结合的数值模拟方法,对该节能型屏蔽门系统进行了模拟计算和分析,采用瞬态数值模拟方法对车站远期3种列车运行工况进行了计算分析,并从稀释CO2浓度角度校核了站台站厅的换气量。结果表明该3种列车运行工况下车站换气量均能满足地铁规范要求,具有较好的节能效果,为其实际推广应用提供了理论依据。     

浅埋暗挖隧道内桩基主动托换技术方案可靠性研究

为了验证深圳地铁老街站东端站台扩建工程桩基主动托换方案的可靠性,保证隧道施工以及施工过程中隧道上部建筑物的安全,采用大型非线形数值分析软件ABAQUS,对桩基主动托换前后以及各个托换工序进行仿真模拟,计算得到了各工序沉降分布云图、结构各关键点的沉降时程曲线。结果表明既有施工方案是安全可行的。