基于自动深度学习盾构掘进姿态预测与控制

提出了基于自动深度学习（AutoDL）算法和多目标优化算法的结合可实现数据驱动的姿态偏差控制指导,用于盾构掘进姿态的预测与控制,以解决现有盾构掘进姿态预测中所面临的执行难度高、成本高、效率低等问题,可用于自动精准地预测盾构掘进姿态随着工程进展的动态变化趋势,并针对盾构机施工状态执行多目标优化算法,快速自动搜寻最优策略,实时调整合适的盾构操作参数,减少对于现场操作人员经验和主观判断的依赖。以上海市天然气主干管网崇明岛-长兴岛-浦东新区五号沟LNG站管道工程隧道A线工程为例,展示该算法框架的优越性。研究结果有助于降低深度学习进入盾构智能控制领域的门槛,推动智能盾构发展。     

基于混合补偿的同相牵引供电系统

为解决异相牵引供电方式存在的电能质量和电力机车过分相问题,将有源补偿和无源对称补偿技术相结合,提出基于平衡变压器接线方式的混合式同相牵引供电系统结构。文中给出混合式同相供电的统一补偿理论、无源补偿系统的无源元件参数计算方法、有源补偿的控制策略、无源和有源补偿的协调控制策略。最后,以采用YNvd接线方式的平衡变压器为例,采用MATLAB软件仿真验证该系统方案和控制策略的正确性。     

基于弹性需求的城市轨道交通列车开行方案研究

城市轨道交通的列车开行方案直接影响乘客的出行费用,需要根据客流的需求弹性制定。针对目前城市轨道交通规划和运营实际,将列车开行方案归结为列车编组、开行时段,以及各时段每一列车交路的列车数量。在分析乘客广义出行费用的基础上,构造乘客出行的弹性需求函数,将乘客乘车选择归结为具有能力约束的弹性需求用户均衡问题。进而利用城市轨道交通营运企业与乘客之间的博弈关系,对列车开行方案相关的费用、效益等优化目标和约束条件进行分析,建立基于弹性需求的城市轨道交通列车开行方案的多目标双层规划模型,并设计基于模拟退火算法的优化算法。针对长沙地铁2号线的应用表明,优化方法具有较高求解效率和较好求解质量。     

RFID技术的定位改进算法在铁路隧道人员定位中的应用

本文介绍无线射频识别技术(RFID)的基本原理,重点阐述基于RFID的LANDMARC定位算法的原理与过程。在此基础上,综合考虑铁路隧道内折射、反射、多径效应等因素对场强的影响,分析LANDMARC定位算法的不足,将此算法进行改进,提出自适应LANDMARC k-邻居算法,结合RF Code公司的硬件系统,将其应用到铁路隧道人员定位系统中。实验证明改进的算法具有更高的定位精度:定位精度在1m以内的标签占70%,比原来算法的60%提高10%;93%的标签定位误差小于1.5m,且最大误差控制在2.5m以内。对提高隧道内人员的安全管理水平具有重要意义。     

混合梁桥钢梁与混凝土梁连接研究

研究目的:国内外已建混合梁桥的钢梁与混凝土梁都是通过专门设计的钢混结合段进行过渡连接,各个桥梁的钢混结合段构造形式差异大,如何确保连接构造的合理、安全和可靠,以及关于钢混结合段的力学行为、设计理论和计算方法等方面都存在一些亟待解决的问题。研究结论:在轴压荷载作用下,钢混结合段中剪力件和核心混凝土柱承受的力大小与它们各自的刚度成正比;钢混结合段的仿真计算,应按不同计算目的,选择如弹簧模型、不考虑粘结滑移的实体模型、考虑滑移及混凝土压碎开裂的实体模型等不同层次的分析模型进行计算。本文根据混合梁桥钢梁与混凝土梁连接的本质要求,提出了一种无结合段、将混凝土梁的纵向钢筋直接锚固在承压板端部的连接形式,该连接具有构造简单、受力明确等优点。     

混合动力交流传动调车机车工艺开发

混合动力交流传动调车机车作为新型轨道运输装备,其设计、制造和质量控制都对传统机车制造工艺提出了更高的要求。通过分析现有制造工艺存在的不足并采取措施,成功实现了混合动力交流传动调车机车的高质量制造。     

考虑支路路段双向车流相互影响的单向交通组织优化

考虑支路路段双向车流相互影响的因素,从道路负荷与公平性的角度出发,优化单向交通组织方案。建立一主多从的双层规划模型,上层规划是多目标规划,以单行交通组织方案为决策,以路段饱和度超限量最小化降低道路负荷、以车辆绕行系数最小化提高公平性。下层规划是考虑支路路段双向车流相互影响的均衡交通分配(每个点对之间的最短路各自由1个下层规划确定,但所有下层规划确定的最短路可一次性求解)。双层规划可用模拟退火算法求解,求解效果明显优于支路路段通行能力等量划分为双向分道行驶的传统优化方法。     

基于多类型变量空间的驾驶行为基元提取

从驾驶数据中提取驾驶行为基元是实现驾驶行为高效准确分析的重要前提。为了更好地理解驾驶行为,使驾驶行为基元能够体现不同驾驶人的驾驶行为差异,考虑驾驶行为产生时所受驾驶人的主观约束,提出基于多类型变量空间的驾驶行为基元提取方法。使用驾驶行为原始变量反映车辆运行状态和驾驶操作,将所选择的原始变量定义为基础变量集;使用基础变量构造能够反映驾驶人对车辆运行状态主观期望的变量,并将其定义为构造变量集。利用基础变量集和构造变量集生成多类型变量空间,使用贝叶斯凝聚型序列分割算法分割数据以提取驾驶行为基元。针对多类型变量空间自调节问题,提出基于分割质量优选滑窗尺寸的方法,使多类型变量空间能够自适应不同数据集的数值特性,确保基元提取的准确度。对所得基元进行特征构造和提取,利用高斯混合聚类算法对直行和弯道路段的行为基元分别进行聚类,并通过分析各类基元的统计特征得到基元的语义描述。最后,通过实例分析验证基元提取和语义解释的准确性,以及多类型变量空间的优越性。研究结果表明：所提取的驾驶行为基元具有多角度语义,不仅能够反映车辆运行状态和驾驶操作,而且能够体现驾驶人对车辆操纵决策的主观期望,有利于从因果角度更全面地...     

基于混合A*算法的自动驾驶汽车轨迹生成

自动驾驶汽车混合A*算法运行迅速,但是难以保证曲率的连续性和汽车舒适度,并且不能保证优化后的结果无碰撞。针对以上问题,以提高汽车舒适性为目的,基于最小冲击度对A*算法进行优化,在MATLAB和栅格地图中进行了算法预研,解决了低速场景下自动驾驶汽车运动过程中舒适度不足的问题。然后,针对优化算法可能导致轨迹碰撞的问题,对优化算法进行了改进,保证了汽车的安全性,并给出了“走廊”自动调整的策略。仿真结果表明:优化后的轨迹无碰撞且曲率更小,加速度不超出正常范围,可以满足正常驾驶需求。     

多能源动力总成半实物仿真试验系统研究

采用软件工程方法，在MATLAB／Simulink建立汽车各总成模型的基础上，辅以I／O、A／D、D／A、USB和CAN接口板，集成为混合动力轿车动力总成控制器仿真试验测试平台。该试验系统能对不同控制策略和硬件结构组成的实际动力总成电控系统，进行实时仿真、测试和评价。