基于SPH法的径向滑动轴承动压润滑研究

为了研究润滑油膜的粒子性对流体动压润滑的影响,该文提出利用SPH方法（光滑粒子动力学方法）分析径向滑动轴承流体动压润滑,模拟结果通过计算流体动力学（CFD）软件FLUENT分析结果和润滑理论提供的解析解进行了比较验证。同CFD 法一样,SPH法的压力分布结果揭示了润滑理论忽略掉的流体惯性效应。三种方法速度场分析结果略有不同。因此,SPH模型由于反映了流体的粒子性,可成为求解滑动轴承中的复杂流体润滑问题的有效工具。     

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。