基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。      

一种适合场地试验的重型车前轮爆胎方法研究

在高速公路发生的交通事故中,客车和载货汽车爆胎引起的事故越来越多。特别是客车事故,一般都是群死群伤的严重事故。为了减少爆胎事故中人员伤亡,国家标准中对车辆的爆胎应急安全装置进行安装和性能要求。为了验证爆胎应急安全装置是否可靠,需要在试验场内进行试验。在本文中,设计了一套适合在场地使用的爆胎装置。此装置可以使前轮爆胎后,经过一个翻转机构,带动爆胎刀具放倒,从而使后轮顺利通过。根据研究结果,此爆胎方法可以满足标准的要求,方法可行,效率更高。     

新型明桥面轨枕板式无砟轨道结构参数研究

钢桁梁桥由于其承载性能好和跨越能力较强等优点,在大跨度铁路桥梁中被广泛采用。但大跨度钢桁梁桥具有跨中挠度大、梁端转角大和温度变形敏感等特点,为了减小大跨度钢桁梁桥二期恒载、适应桥梁变形特性,在大跨度钢桁梁桥上采用新型明桥面轨枕板式无砟轨道结构。以南沙港铁路某大跨度钢桁梁桥铺设新型明桥面轨枕板式轨道为背景,采用有限元法建立大跨度钢桁梁桥上轨枕板式无砟轨道结构计算模型,研究了轨枕板结构参数对轨道受力与变形的影响,确定轨道结构的合理尺寸与参数。结果表明:轨枕板的外形尺寸直接影响其受力和变形特征;板下垫层的厚度对垫层的受力特性的影响较大;建议南沙港铁路某大跨度钢桁梁桥上采用具有2组承轨台、宽度为2800 mm的轨枕板,轨枕板厚度为280 mm,板下垫层厚度为120 mm。