基于改进GAN的端到端自动驾驶图像生成方法

基于端到端数据系统的自动驾驶系统对驾驶图像存在巨大需求。为解决一般生成式对抗网络模型在扩充驾驶图像数据集时不稳定及生成图像特征缺乏多样性的问题,研究1种改进网络模型LS-InfoGAN。结合最小二乘对抗损失防止模型梯度消失,并缓解生成器优化矛盾,提升模型训练稳定性。通过最大化生成图像与真实图像间的互信息提升生成器特征学习能力,改善生成图像特征多样性。利用转置卷积层还原图像特征,提升生成图像特征清晰度。以自主构建的模拟驾驶场景中获取的带标签驾驶图像集对模型有效性及其数据集扩充应用效果进行验证。实验分析表明:相比改进前模型,LS-InfoGAN模型的图像生成过程稳定性平均提升35%;使用此模型扩充的数据集进行端到端自动驾驶系统中决策网络的训练能在不采集新图像的情况下将系统决策性能提升1%~2%;建议使用此模型扩充图像数据集时将生成图像数量设置为原始训练集图像数量的1~2倍。      

卡尔曼滤波短时交通流预测普通国省道适应性研究

短时交通流预测是提高普通国省道交通运行效率和安全的关键技术之一。普通国省道具有分布地域广、情况复杂的特点,要求短时交通流预测方法具有良好的适应性,然而,针对短时交通流预测算法适应性及其机制的系统性研究尚不多见。选取1种自适应卡尔曼滤波算法,系统分析其适应性和适应机制。获取江苏省徐州市普通国省道路网中8个交通调查站所采集的实际交通流数据开展实例分析,结果表明:在不同的交通流量水平下,所选算法均值预测的平均绝对百分比误差在10.98%~15.92%之间,区间预测的无效覆盖率在5.21%~6.15%之间,表明所选的自适应卡尔曼滤波算法在不同交通流水平下都具有良好的预测性能;对所选算法的参数进行分析发现,算法参数能够随交通流水平的变化而自动调整,具有良好的自适应机制;所选算法能够在预测初期实现有效的性能调整和收敛。      

活塞敲击引起的缸套振动响应对缸套水侧空化的影响研究

为研究活塞侧击引起的缸套振动响应对柴油机缸套水侧空化状况的影响,以某国Ⅵ水冷柴油机为研究对象,结合结构动力学与计算流体力学,对缸套表面振动与其水侧流体动力学行为进行耦合分析.基于柴油机试验台架实测了缸套壁面振动,对应建立了柴油机气缸总成瞬态动力学模型,结合仿真与实测振动响应研究了活塞侧击作用下的缸套振动特性.然后,将瞬态动力学计算结果以动网格的形式输入二维冷却水套模型中进行数值模拟,研究了缸套振动形式、水套厚度和出口压力等因素对空化的影响.结果表明,缸套在活塞侧向力作用下的高频振动与其结构固有模态有关,缸套的高频模态振动和冷却水套厚度对缸套水侧的空化现象影响显著.提高冷却水套出口压力可小幅削减空化强度,而增加水套厚度对缸套水侧空化的抑制作用更为明显.     

基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.     

半潜式平台波浪砰击测试方法与载荷特性研究

本文采用模型试验的方法对半潜式钻井平台受到的水平波浪砰击载荷进行了研究.为了克服模型结构动力响应的影响,试验时设计了专用的测量单元用于监测波浪砰击载荷,并采用小波分析的方法对砰击载荷试验数据进行降噪处理.试验结果表明:半潜式平台水平波浪砰击载荷的发生频率和砰击冲量随有义波高的增加而增加,但砰击载荷幅值则体现了显著的非线性和随机性特征,砰击载荷冲量的随机性和发散性则相对较小;平台立柱与箱型甲板连接处的砰击载荷较大,大多数海况下后立柱砰击频率和砰击载荷幅值比前立柱更高.     

船用螺旋桨的平衡检验方法

文章从平衡检验的必要性、平衡检验理论、平衡检验方法以及不平衡的处理方法4个方面对船用螺旋桨的静平衡和动平衡检验进行了详细地介绍.为不同类型的螺旋桨应该选择何种方法进行平衡检验提供了参考.     

基于FEM+AML方法的船舶海底门水下辐射噪声预报分析

为了对船舶冷却海水系统水下辐射流噪声情况进行预报,本文以船舶海水冷却系统海水门为对象,采用FEM+AML(有限元和自动匹配层)技术,对不同海水门内部结构对其水下辐射噪声的影响进行对比分析.结果表明海水冷却系统海水门水下流噪声以低频为主,增加导板、增大海水总管入口流通面积等措施可改善海底门内流场,但造成海底门的流噪声辐射声压级增加.     

一种含内部结构的水下圆柱壳振动声辐射计算方法

为解决含内部结构的水下圆柱壳振动声辐射快速预报问题,提出一种解析-数值混合方法.将整个结构分为水下圆柱壳和内部结构两部分,采用轴对称边界元法得到圆柱壳表面声阻抗,结合Flügge壳体理论,建立水下圆柱壳的数理模型;采用有限元法建立内部结构的动力学模型.根据圆柱壳与内部结构接触点的位移协调和内力平衡条件,建立整个结构的动力学方程,求解方程得到壳体表面振动速度,再采用边界元法得到声场中任意一点的辐射声压.通过与数值软件计算结果对比,验证了本文方法的正确性.本文方法在改变内部结构进行多方案对比分析时具有显著的计算速度优势.     

带漂角和输入饱和的水面船舶航向控制

[目的]为处理水面船舶航向控制过程中受到的非零漂角和输入饱和影响,提出一种基于反步法的航向控制方法。[方法]首先,利用相对速度求出实际漂角,再通过漂角对航向角误差进行修正;然后,采用一种预滤波方法减小航向改变时对航速变化的影响,同时引入双曲正切函数和Nussbaum函数逼近输入约束,结合自适应律对逼近误差和艏摇方向上的扰动进行估计;最后,借助指令滤波器简化反推过程,并通过Lyapunov理论证明控制系统的稳定性。[结果]仿真结果表明,所提控制器有效减小了水面船舶的航向输出误差,且能始终保持较小的控制输入力矩。[结论]研究成果可为水面船舶航向控制设计提供参考。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。