现代车身设计中的设计美学

汽车车身设计是科学和艺术结合的一个综合性的设计过程。车身设计成本在整车总体设计中所占比重最大,它是制约汽车制造和新车型开发的关键。从汽车形态美、功能、技术、文化及审美等方面,探讨汽车车身的设计美学,赋予汽车产品新的设计内涵,使其更加贴近大众审美标准、贴近生活,为汽车车身设计提供了一定的参考,使其更加符合未来趋势。     

构皮滩升船机主提升机卷筒结构焊缝疲劳强度分析

构皮滩升船机主提升机卷筒结构规模大、受力及边界条件复杂、运行频繁,且卷筒筒体的应力呈现周期性变化,卷筒焊缝可能产生疲劳破坏,因此焊缝的疲劳强度分析是卷筒结构设计的必要和重要环节。基于卷筒结构与载荷的复杂性,采用有限元分析方法计算卷筒结构的应力变化范围,其建模方法充分考虑了卷筒组与轴承座以及卷筒组各子结构的机械装配特性;采用标准“Eurocode 3”疲劳强度评估方法进行焊缝疲劳强度设计。基于有限元和“Eurocode 3”疲劳强度评估的焊缝疲劳强度设计方法,可为水利枢纽升船机设计提供参考。     

轨道交通车辆基地无人驾驶改造设计方案

基于全自动无人驾驶车辆基地的布置要求,以苏州轨道交通7号线为工程背景,对既有车辆基地改扩建为无人驾驶车辆基地的方案进行研究,探索无人驾驶车辆基地总平面布置思路和方案,总结既有车辆基地改造为具有无人驾驶功能的车辆基地的设计要点.结果 表明,具有无人驾驶功能的车辆基地改造设计方案,及其3种转换轨设计方案,可有效保障全自动无人驾驶车辆安全高效运营,亦可最大化集约利用土地资源.     

H型尾操纵面模型在潜艇超越运动中的性能分析

为改进十字型尾操纵面Suboff-1模型在超越运动中的横摇现象,通过重叠网格方法与体积力模型对十字型和H型2种不同形式尾操纵面模型进行超越运动数值模拟。通过对运动中不同尾操纵面模型达到预定首摇角时间、超越运动完成时间、最大横摇角进行监测分析,获得改进后的H型尾操纵面在应舵性能、跟从性能、减摇性能上较十字型尾操纵面的优势,并对5组翼面简单的H型尾操纵面模型进行超越运动数值模拟,获得翼面宽度最优解。结果表明H型尾操纵面较十字型尾操纵面在应舵性能上有少量损失但减摇性能大幅增加,最优翼面宽度为艇体平行中体直径的50%。改变尾操纵面形式仅改变尾部涡场部分,对潜艇的隐蔽性能影响较小。     

桁式组合拱桥存在的问题及加固新思路的探讨

从结构整体性、强度计算方法、内力调整方面查找桁式组合拱桥存在问题的根源,指出危旧桁式组合拱应采用按施工阶段来划分不同工况的应力叠加计算方法来评估其承载力.建立了一个工程实例的有限元模型,进行了分析验证.对比桁和拱在不同阶段的受力特性,依据斜杆在不同阶段内力的变化,然后提出一个由可调内力的柔性拉索来置换不可调内力的刚性斜杆的加固新思路.用实例验证了理论上的可行性.     

神农架旅游公路景观质量与设计思路探讨

对神农架旅游公路沿线景观资源进行调查,并对其进行定性、定量调查评价,与此同时对公路景观的特点也进行相应分析,综合这些特点并考虑交通安全的特殊需要,提出公路景观设计思路,可为景区公路设计提供参考.     

基于改进遗传算法的航班-登机口分配多目标优化

为提高现代机场的资源利用效率和乘客换乘体验, 研究了多目标航班-登机口分配问题; 在考虑航班类型约束、飞机机体类型约束和转场时间间隔约束的基础上, 以分配在固定登机口的航班数量最多、使用的固定登机口数量最少和乘客换乘紧张度最小为目标函数, 建立了航班-登机口分配的多目标非线性0-1整数规划模型, 并设计了一种改进型基因编码的遗传算法以提高求解效率; 基因个体采用两段式整数编码, 设计了该编码方式到可行解的映射流程, 同时从理论上证明该编码方式可以映射到最优解; 对两段基因编码分别设计了不同的交叉算子和变异算子, 避免产生非可行个体; 为验证算法的有效性, 基于某大规模机场的实际运营数据, 对比了改进型遗传算法与MATLAB内置遗传算法。计算结果表明: 采用改进型遗传算法使得安排在固定登机口的航班数目增大5%, 乘客换乘总紧张度减小3%, 乘客换乘平均紧张度减小32%, 占用的固定登机口数量相同, 安排在固定登机口的乘客数量增大20%, 算法运行时间减小8%, 说明改进型遗传算法性能更好, 可提高登机口的利用效率和乘客的换乘舒适度; 在改进型遗传算法的优化过程中, 航班数量目标和登机口数量目标在130次迭代时寻到最优解, 换乘紧张度目标在400次迭后基本收敛, 且最优结果对应的航班时序合理, 说明该算法的迭代收敛速度快, 优化结果合理。     

基于深度强化学习与风险矫正的智能车辆决策研究

为实现高速公路环境下车辆的安全决策，提出一种结合深度强化学习和风险矫正方法的行为决策模型。构建决策模型所需的目标车辆及周围车辆的行驶信息，并引入自注意力安全机制，提高车辆在复杂高速场景下对周围潜在危险车辆的注意力，综合考虑行车效率、避障等因素以设计强化学习的奖励函数。此外，为解决强化学习在决策过程中缺乏安全性保障的问题，设计风险矫正模块对决策动作进行风险评估和矫正，避免危险决策的执行。在Highway-env仿真平台上对提出的决策模型进行训练和测试。试验结果表明，提出的决策模型有较高的行车安全率和鲁棒性，其驾驶效率也优于以规则、模仿学习和单纯深度强化学习为基础的决策方法。