宝马集团亮相2017法兰克福车展 史上最强产品攻势

宝马展开“史上最强的产品攻势”,未来将推出40余款全新和升级车型,尤其是在大型豪华车、高性能汽车宝马M和豪华SAV等细分市场厚积薄发。此外,宝马在新能源汽车和数字化等领域前瞻布局,到2025年,宝马集团将拥有25款新能源汽车,其中12款为纯电动汽车。     

EA4T车轴钢的超声冲击表面强化

利用超声冲击设备对EA4T车轴钢进行了表面强化处理.采利用金相显微镜和透射电镜表征了车轴钢表面结构的变化,并对超声冲击处理前后试样表面粗糙度和显微硬度进行了分析.结果表明:经超声冲击处理后,试样表面发生了剧烈的塑性变形,晶粒明显细化,显微硬度呈梯度化.随着超声冲击功率的增加,变形层厚度增加,粗糙度减小,表面硬度增大;与未经超声冲击处理的试样相比,在超声冲击功率180瓦作用下,表面粗糙度降低了6.5倍,试样的表面硬度提高了25%,变形层厚度大约为80μm.     

基于幂次强化的海底管道极限承载力

基于幂次强化模型,给出了内压和轴力作用下海底管道极限弯矩承载力计算方法,并给出了极限承载力理想弹塑性模型解析解,编制了海底管道极限承载力计算程序BCP。通过算例,研究了内压和轴力对幂次强化海底管道极限弯矩承载力的影响规律,并与试验结果进行了对比,验证了解析解的合理性,可以为海底管道的结构强度设计和安全评价提供参考。     

兆瓦级风力发电机导电杆组件温度场分析

随着风力发电机的容量不断提高,发电机的功率损耗和温升较为严重,双馈风力发电机中导电杆组件的温度变化较高,直接关系着整机的寿命和安全运行。通过有限体积法,结合导电杆组件各部分传热,仿真分析了瞬态传热时导电杆组件的温度场,结果表明,铜杆圆柱凸台与环氧树脂绝缘层存在最大的温度变化,产生的热应力容易损害导电杆组件。     

考虑应变强化效应海底管道极限承载力研究

文章基于线性强化材料模型,推导了轴向拉力作用下海底管道极限弯矩承载力解析解,给出了海底管道在轴向拉力与弯矩载荷同时作用下的极限承载力的近似解,编制了海底管道极限承载力计算程序BCP。通过与实验结果的比对,验证了解析方法的正确性。结论表明考虑应变强化效应的海底管道极限承载力结算结果更为合理,该文可为海底管道的结构强度设计和安全性评价提供一定的参考依据。     

冷链货物非接触式智能搬运系统

为提升冷链货物搬运作业的自动化水平和整体效率,降低一线作业员感染新冠病毒的风险,研究基于传统人工冷库条件的冷链货物非接触式智能搬运系统工艺方案。在拆装箱环节,运用机器视觉和无线遥控等技术实现低温复杂环境下盒装货物自动化拆装箱技术;在码垛环节,运用强化学习算法优化码垛机器人多货型堆码作业;在货物冷库货架堆存环节,基于5G通信技术设计超高位叉车无人驾驶和远程装卸系统方案。应用结果表明,系统能够在一定程度上提升冷链库作业效率、降低人工货物接触频次和人工成本。     

地面注汽管线表面散热损失影响因素分析

文中采用Fluent模拟与理论计算结合比较的方法,研究了不同因素对蒸汽管道散热损失的影响规律,并分析了理论计算模型的相对误差.发现增加注汽管线距地面高度,对其散热损失影响较弱;空气温度升高,注汽管道表面散热损失降低;风速和表面发射率对注汽管线表面热损失影响较大;数值模拟结果与理论计算数据相对误差较大.     

基于强化学习与安全约束的自动驾驶决策方法

在自动驾驶决策场景下,为解决强化学习算法安全性差、学习效率低的问题,提出一种在算法的训练阶段添加基于价值的安全约束和虚拟奖励的方法。首先,利用状态、动作价值函数和安全判断规则,对智能体执行的动作进行基于价值的安全约束,选择价值高且安全的动作。然后,向回放池添加包含虚拟奖励的预测轨迹数据,以补充由于约束而未能获取的试错动作信息和相应的状态、奖励信息。最后,为进行加减速和换道决策实验,基于修改后的高速公路仿真环境highway-env搭建了3车道高速公路场景,并以深度Q网络（Deep Q Network, DQN）算法为基础,分别训练和测试了无安全约束的算法、拥有基于规则的安全约束的算法和拥有基于价值的安全约束的算法。结果表明,考虑加速、减速、保持车速和车道、向左换道、向右换道共5种动作时,基于价值的安全约束算法的成功率比无安全约束的算法高3倍以上,平均回报提升28%;仅考虑向左换道、向右换道、保持车道这3种换道动作时,基于价值的安全约束算法的成功率比基于规则的安全约束算法高0.11,平均回报提升6%;都添加基于价值的安全约束时,考虑5种动作的算法相较于考虑3种动作的算法成功率低0.06但...     

基于深度强化学习的船舶航线自动规划

为解决传统船舶航线规划算法缺少对经验航线的参考及不适用于真实航行需求的问题,提出一种基于深度Q网络(Deep Q Network,DQN)船舶航线自动规划算法,用以在电子海图中提供拟合航道,生成适宜真实航行情况的自动规划航线.这种算法采用当前神经网络和目标神经网络2个二层神经网络结构,达到打乱数据相关性的目的,将智能体...     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...