基于无人机的高层住宅最后“一百米”配送优化

针对城市高层住宅顾客对上门配送服务的需求，借助无人机停放平台，考虑包裹异质性以及无人机在不同配送阶段的精确能耗，构建以无人机飞行成本和能耗成本最小为目标，以无人机容量、电池组容量等为约束的高层住宅无人机上门配送模型，解决“垂直位置最后一百米配送”问题。基于此模型，设计带变邻域下降(VND)搜索的混合蚁群算法(HACO-VND)，引入4个算子进行变邻域下降搜索，为了提高算法的求解性能，提出两种局部搜索算子组合，根据顾客点数量使用不同的算子组合。实验结果表明，HACO-VND算法较CPLEX在求解精度与求解时间方面更优，特别是在大中型算例中表现出较佳性能。参数分析表明，高层住宅楼层数越多，无人机单次 飞行的能耗利用率越大，无人机容量与电池组容量共同对配送方案产生影响。为以后无人机送货上门服务方面的研究提供参考和思路。     

PHEV能量管理策略研究

针对一款串联型插电式混合动力公交车,文章基于MTLALB建立整车和各部件数值模型。在中国典型城市公交工况下,建立基于全局优化的DP策略,并与CD-CS策略和PMP策略进行能耗对比分析。结果表明:(1)基于CD-CS策略的后期SOC在一定范围内波动,DP策略与PMP策略的SOC轨迹近似呈线性变化。(2)CD-CS策略较DP策略的能耗成本高22.68%,PMP策略比DP策略的能耗成本高0.30%。DP策略与PMP策略可以合理分配能量源,实现全局最优,但DP策略相比PMP策略计算量大。     

遗传算法在船舶动力机械混合隔振系统优化设计中的应用

阐明了混合隔振问题的实质就是综合被动隔振系统和主动控制系统的多目标联合优化设计.运用子结构导纳综合法分析了应用混合隔振技术的双层隔振系统的功率流传递特性.采用遗传算法对混合隔振系统进行了优化设计,并作了数值仿真.     

宜万铁路宜昌长江大桥主桥创新技术研究

宜万铁路宜昌长江大桥主桥采用(130 2×275 130)m连续刚构柔性拱组合结构,桥型方案为铁路桥梁首次采用,设计中针对结构构造、受力、施工等特点,采用了多项技术创新,包括桥梁结构、构造和材料等方面。     

重庆石板坡长江大桥复线桥总体设计

重庆石板坡长江大桥复线桥是主跨330 m的世界第一大跨径梁桥,大桥主跨跨中103m梁段采用了钢箱梁结构,这样有效地降低了主梁的弯矩和剪力,正是采取了这样的措施,才使得如此大跨径的桥梁在技术和造价上都切实可行。     

混合型并联有源滤波器的研究

为实现对非线性负载的谐波补偿和电压调节功能,提出了一种混合型并联有源滤波器.综合考虑系统稳定性和谐波补偿效果,采用了反馈加前馈的控制策略,对比研究了系统补偿特性,并讨论了容性和感性无功补偿问题.仿真与试验结果证明了该混合型并联有源滤波器工作的有效性.     

混合动力牵引调车机车的研发

阐述了混合动力牵引调车机车的概念和样车的结构性能,重点论述了样车主要研制内容及技术措施、节油减排效果、节油试验情况,从评估计算和试验验证两方面论证了混合动力技术能实现能量高效利用和循环利用的双重目标,总结了样车的研制成果。     

电辅助驱动技术研究

文章提供一种第二轴采用传统驱动桥作为主驱动、第三轴采用电驱动桥作为辅助驱动的驱动力复合并联混合动力三轴车型方案,结合提升轴空气悬架控制技术,该方案在运营经济性方面比传统双后轴驱动车型更优。     

跨繁忙航道超宽钢箱梁梁上运梁及分块安装方案研究

巴拿马四桥为巴拿马国内第一座公轨合建混合梁斜拉桥,桥面宽51m,中跨钢箱梁标准节段长13m,为典型超宽超重结构。桥位处通航要求高,施工期间不得占用航道,既有道路拥挤。针对这些问题,提出了一种创新的施工方案:边跨混凝土梁段采用挂篮对称悬浇施工,待混凝土梁和结合段施工完成后再架设钢箱梁;钢箱梁采用纵向分段、横向分块,通过索塔侧向提梁上桥面;梁上运梁至悬臂端桥面吊机处,尾部提梁前移并空中旋转90°,调整好姿态后再横向移梁进行匹配对位,对称张拉相应位置斜拉索。为了验证该施工方案的可行性,采用Midas civil建立了全桥有限元模型,对整个施工阶段进行了模拟计算,结果表明该方法存在横向偏载效应,但整个施工阶段结构安全可靠,可为今后同类桥梁架设提供参考。     

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。