基于核主成分分析方法的标准化船型设计优化

合理选择船型、主尺度、船舶型线,减少船舶阻力,减少污染,降低能耗,保护环境,是船舶设计过程中应注意的十分重要的问题.但是最佳船型方案选择是一个复杂的多变量、多目标的系统优化工程.核主成分分析方法(KPCA)是目前一种常用的综合评价方法.它不仅具有优秀的主元提取性能,更尤其适合于处理非线性问题,对内河干散货运输船型设计优化具有很好的实际应用价值和指导作用.     

漳州港古雷港区南#10,#11泊位项目方案技术分析及经济比选

码头工程方案的选择除了其结构形式以外,很大程度上取决于工程造价的高低.根据漳州港古雷港区地形、地质、水文等自然条件,结合整个港区的规划,对漳州港古雷港区南#10,#11泊位项目港工建筑物提出了两个方案,并对其进行技术分析及经济比选,从而综合确定推荐方案.     

基于DSP的船舶机舱自动化CAN总线通信系统

针对船舶机舱自动化系统对于通信高实时性、高可靠性的要求,在对DSP内置CAN控制器与iCAN协议下CAN总线通信研究的基础上,设计了一种基于TMS320F2812型DSP芯片的CAN总线通信系统,详细介绍了系统的基本原理、硬件电路、软件设计和程序调试.将其应用在机舱自动化系统中,实现了上位机监控系统与下位机DSP之间的实时通信.     

湛河提篮式拱桥空间弹性稳定性分析

为了解平顶山市湛河提篮式拱桥的横向稳定性,采用大型有限元程序ANSYS建立该提篮式拱桥的空间有限元计算模型。为了与平行拱肋拱桥的稳定性对比,同时建立了平行拱肋拱桥空间有限元计算模型,对两种桥型进行空间弹性稳定性计算与对比分析。计算结果显示:提篮式拱桥失稳形式以拱肋的面外失稳为主,拱肋无横撑区域是全桥稳定的薄弱部位;与平行拱肋拱桥相比,提篮式拱桥横向稳定性显著提高,第1阶拱肋的横向失稳模态发生了改变。计算结果用于确定湛河提篮式拱桥的设计方案。     

昆明地铁1号线车辆司机室内装设计

文章较系统地介绍了昆明地铁1号线车辆司机室内装设计,重点阐述了各部件的具体结构及相互之间的关系,最后对司机室内装设计趋势进行了展望。     

庞巴迪220 kW牵引电机的修复方案与验证分析

BOMBARDIER 220 kW牵引电机已应用于国内多条地铁线路,自引进投入使用以来,广州地铁已出现了5台次的牵引电机扫膛烧损故障.为修复电机,节约成本,现提出了定子绕组主绝缘与匝间绝缘替代方案以及定子铁芯的修复方案,并对整体修复方案进行了地面空载与负载试验;同时结合列车DCU term调试软件,对修复后的牵引电机实际装车运行性能进行了监控,地面试验与装车试验表明,修复方案效果良好,满足列车实际运行要求.     

活塞风作用下地铁车站站厅火灾烟气流动特性的数值模拟研究

以开敞式地铁车站为例,将列车、隧道、站厅层和站台层均简化为长方体并建立车站三维模型;利用流体动力学软件Fluent,采用压力基求解器和SIMPLIC算法,研究活塞风作用下站厅火灾的烟气流动特性,并分析增设迂回风道和竖井对于削弱活塞风影响的效果.结果表明:站厅层空气流场结构在活塞风的作用下将会发生复杂的变化;站厅火灾发生后,在机械排烟、热浮力以及活塞风的共同作用下,站厅烟气分层现象遭到破坏;各楼梯口处气流速率变化剧烈,气流方向多次改变,并导致站厅层烟气被吸入站台层;增设迂回风道和竖井能够有效地削弱活塞风对起火站厅层烟气分层现象的破坏,延缓烟气侵入站台层的时间,减少侵入站台层的烟气量.     

板桩结构非线性有限元分析

采用有限元法对板桩结构受力特点进行了分析,结果表明,前墙入土深度和抗弯刚度对板桩结构受力特性有显著影响。入土深度一定时,前墙位移、陆侧弯矩、锚碇墙陆侧弯矩和拉杆拉力均随前墙抗弯刚度的增加而减小,前墙海侧弯矩随之增加;前墙抗弯刚度一定时,前墙陆侧弯矩、拉杆拉力随入土深度增加而减小,入土深度大于某值后,对各项影响较小。     

基于动网格技术对银盘船闸阀门段体型优化动态仿真研究

采用动网格技术和VOF方法对乌江银盘船闸阀门开启过程进行非恒定流三维紊流数值模拟,采用1min开阀方式分析阀门段水流急变分离的流态和压力的时空演化规律及出现空化空蚀的危险区域和时刻,并对阀门段体型进行了比较优化,最终确定了推荐方案。     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...