LR2型油船系泊与拖带设计研究

以某LR2型油船实船系泊、拖带设备选型及技术方案确定过程为依据,结合设计过程中针对该船特殊甲板结构区域系泊设备布置及为完全满足新规范要求改进舾装设备所采取的优化措施,对此类油船实船设计如何更好地满足近年来新生效的系泊、拖带相关规范和规则要求进行研究.对LR2型油船系泊、拖带设计相关的重点内容、关键技术及为获得最优设计方...     

无砟道床板间相对位移测量中感兴趣区域自动提取方法

轨道结构作为高速列车行车的基础,必须保证其良好的在役服役性能,有效地实现无砟道床板间位移测量是实现铁路无砟轨道结构服役状态保持的重要措施。针对无砟道床板非接触式位移测量中感兴趣区域(Region of interest,ROI)自动提取问题展开研究,提出一种基于Faster R-CNN(Faster Regions with CNN)的ROI区域自动提取方法,阐明无砟道床板间位移机器视觉测量原理和实现方法的计算流程。基于Keras图像数据增强模型进行无砟道床板间位移目标库的增加,建立人工标靶数据集。通过CNN中卷积层对测量数据进行特征映射图提取,计算映射图中每个特征点的标靶概率,通过分类和边框回归,精确标记图像中的人工标靶。通过安装某250 km/h的双块式无砟轨道线路的典型测点进行Faster R-CNN算法的准确性和有效性验证。研究结果表明：道床板ROI自动提取算法的召回率为99.16%,准确率为98.91%,可以有效满足无砟道床板间位移测量中精度和准确率的要求;与其他的常用YOLO v3,SSD和Fast R-CNN等ROI算法相比,Faster R-CNN方法的计算效率较好、准...     

基于小波包熵及双重优化神经网络的牵引逆变器开路故障诊断

功率模块器件作为高速动车组电力牵引传动系统的核心组成部分,大多应用于多场域耦合且承受主要的电热应力,故障率较高。通过提取其故障特征并准确定位故障点,实时在线诊断故障对于牵引传动系统的安全可靠运行具有重要意义。以CRH2型动车组牵引传动系统为例,三电平牵引逆变器存在12个功率管,故障发生频繁且种类繁多,故对于三电平牵引逆变器功率管的单管以及多管故障诊断不可忽视。以提升三电平牵引逆变器功率模块器件故障准确定位为目的,研究单个功率器件和多个功率器件开路故障诊断。通过分析该三电平牵引逆变器正常工作模式和多种功率管开路故障情况对比,将三电平牵引逆变器三相桥臂输出侧电流作为诊断电气量,对故障进行分类,提取每类故障特征电气量经小波包分解后各节点的熵值作为故障特征信息。以提取的小波包熵值作为故障特征向量建立BP神经网络,采用粒子群算法结合遗传算法对神经网络权值和阈值结构同时优化,2种算法优劣互补,实现不同故障分类的诊断,准确定位故障点。仿真结果表明,该方法能实现牵引逆变器单管以及多管故障类型的诊断和对不同故障点的准确定位,且诊断结果精度高,抗噪性能优异,实时性强。     

平整冰推挤抗冰结构物的数值模拟和作用规律研究

冰海结构物通常装备抗冰锥等倾斜面的抗冰结构物,用来减小平整冰移动产生的推挤载荷。平整冰推挤载荷是冰海结构物的重要设计技术指标,准确模拟平整冰推挤结构物的载荷特征和破碎冰堆积形态等规律具有重要意义。本文采用FEM-SPH耦合方法和有限元法分别模拟了平整冰推挤抗冰锥结构的过程和现象,分析了抗冰锥水线面直径对碎冰堆积形态及推挤载荷的影响规律。研究表明,与有限元法相比,FEM-SPH耦合方法不仅可以准确预报平整冰推挤结构的动态载荷,还可以直观再现破碎冰的堆积现象,有助于理解和分析平整冰与结构物的相互作用规律。本文的FEM-SPH耦合算法模型和分析结论可为研究和设计冰海结构物提供参考。     

铁路微观路网基础数据的组织方法研究

主要研究了应用于运行图编制、调度及相关研究等工作的铁路微观路网的数据组织方法,提出了采用数据分层模型进行数据组织的思想,据此将基础数据分为图形显示层、拓朴层、电气层、逻辑层四个层次,各层次具有相对独立性并相互关联以利于数据的组织,在此基础上对各个层次中的主要数据的属性进行了详细的分析,并针对不同的数据特点提出了相应的数据组织方法,最后介绍了基础数据的录入方法及其实现．     

6缸柴油机改用单排气总管的模拟计算与实验研究

某车用柴油机改型为船用,排气管相应地由风冷改成水冷。本文对原机进行了模拟计算和实验校核。在此基础上,对改用水冷单排气总管的机型进行模拟计算,对排气管结构,进、排气阀正时对柴油机运行的影响进行了分析。实验研究表明：采用单排气总管增压系统,新的机型能够满足功率要求,在低工况下燃油经济也较好。     

Sensorimotor self-learning model based on operant conditioning for two-wheeled robot

Traditional control methods of two-wheeled robot are usually model-based and require the robot’s precise mathematic model which is hard to get. A sensorimotor self-learning model named SMM TWR is presented in this paper to handle these problems. The model consists of seven elements: the discrete learning time set, the sensory state set, the motion set, the sensorimotor mapping, the state orientation unit, the learning mechanism and the model’s entropy. The learning mechanism for SMM TWR is designed based on the theory of operant conditioning (OC), and it adjusts the sensorimotor mapping at every learning step. This helps the robot to choose motions. The leaning direction of the mechanism is decided by the state orientation unit. Simulation results show that with the sensorimotor model designed, the robot is endowed the abilities of self-learning and self-organizing, and it can learn the skills to keep itself balance through interacting with the environment.     

考虑辅路缓冲的快速路紧急疏散最优控制

针对紧急疏散中单向需求激增的情况,提出利用地面辅路缓冲容纳部分疏散车流,从而降低快速路疏散的整体时空风险.基于宏观交通流模型建立了快速路疏散车流演化方程,明确了上匝道车速对主线车速的影响,从而实现经典宏观交通流模型对路网状态演变处理的一致性.针对由下匝道、地面并行道路和上匝道构成的地面辅路行程时间的二分特征,建立了相应的离散时间的流量演化方程.辅路系统方程不仅可以刻画地面辅路疏散车流的主要特征,而且能与已有快速路的状态演化系统实现无缝结合.数值分析表明,利用匝道控制和辅路分流两种手段可以实现系统整体时空疏散风险的最小化控制.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

基于PCA-Elman-PSO算法的动力电池低温充电优化

为研究低温下电动汽车电池的充电性能,通过在不同温度下对电池进行充放电试验,获取大量试验数据,分析低温环境下影响电池充电性能的因素。通过PCA算法对众多影响因素进行降维处理,得到主要的影响因素。建立PSO-Elman神经网络模型,用于估计锂离子电池低温充电能耗。基于此基础上,利用PSO算法对传统充电CC-CV充电方法进行优化,在达到充电截至电压前,采用粒子群优化算法得到最优充电曲线的近似值,将充电时的能量耗及充电所用时间作为优化目标构建粒子群优化算法的适应度函数,用粒子群优化算法进行迭代优化。仿真测试结果表明,优化后的充电策略能有效减少锂电池低温充电时间和能量消耗。