智能新能源船舶的概念及关键技术

绿色和智能是当前船舶技术的发展趋势。文章首先提出了智能新能源船舶的概念,并介绍了智能新能源船舶的内涵、特点和系统构成;然后,从船舶航行、动力和推进3个方面分析了智能新能源船舶的关键技术;最后,对智能新能源船舶的未来发展进行展望。研究结果可为船舶的创新研究提供技术支持,引领船舶技术转型升级的发展方向。     

基于PSIM的磁力轴承用功率放大器仿真研究

本文阐述磁力轴承用PWM功率放大器的实现原理,推导传递函数,理论上分析了功放电流纹波特性并推导电流纹波的数学表达式,建立了基于PSIM的功放仿真模型,依据奈奎斯特稳定判据对PI参数进行设计并进行验证,在软件中对功放的纹波特性进行仿真,并与理论分析进行对比.仿真表明在相同母线电压下,三电平功放比两电平功放纹波小很多.     

FPSO内孤立波载荷实验观测及理论预报模型研究

利用大型密度分层水槽开展了下凹型内孤立波作用在FPSO上的载荷特性系列实验;并依据实验工况,考虑KdV、eKdV和MCC内孤立波理论的适用性条件,数值研究了FPSO内孤立波载荷成分构成;基于实验结果和载荷成分构成,建立了FPSO内孤立波载荷的理论预报模型.研究表明:FPSO内孤立波水平载荷由粘性力和Froude-Krylov力组成,而垂向载荷主要为垂向Froude-Krylov力;Froude-Krylov力可通过动压力沿FPSO浮体湿表面积分得到,粘性力则通过经实验回归的摩擦系数Cf、形状修正因数K乘以内孤立波诱导水质点切向速度沿FPSO浮体湿表面积分得到.系列实验结果得出:摩擦系数Cf和形状修正因数K与雷诺数Re、KC数和流体层深度比h1/h有关;摩擦系数与Re呈自然对数关系;而形状修正因数K与KC数呈幂函数关系.理论预报模型预报的水平载荷、垂向载荷结果均与系列实验和数值结果吻合较好,并且发现随着内孤立波振幅的增加,载荷幅值近乎线性增加,而且上层流体深度对水平力幅值有明显的影响.     

多模式交通环境下上海居民职住选择行为

随着城市尺度不断扩张,由职住分离带来的长距离、长时间通勤交通问题日益严重。为研究多模式交通环境上海居民职住位置选择行为及其影响因素,基于网络问卷调查数据、上海市路网数据及房价数据,构建方式选择与目的地选择联合模型,按照选择次序,分析各出行方式的服务水平和房价等变量对居住地和工作地的选择影响。结果表明,居民倾向于选择通勤距离近、交通可达性良好、房价低和人文生活环境较好的小区工作生活,同时年长者和低收入群体对通勤距离和房价更敏感。     

基于多点线圈联合数据的高速公路匝道影响范围识别

为准确识别高速公路匝道对主线车流的影响等级和范围，本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响，对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表 明，所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%；A~C级服务水平下，分流匝道对上游主线最外侧车道影响程度比次 外侧车道高6%~29%，D~F级服务水平下，最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m；其中上游160m至下游100m和下游180~ 270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m，其中750~850m、450~ 600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据，可有效降低设置匝道带来的影响。     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。