基于多目标遗传算法的约束阻尼柱壳结构优化

文章为了改进被动约束阻尼柱壳结构的减振特性,解决引入约束阻尼的合理分布问题,提出了一种基于多目标遗传算法的优化设计方法。建立了以振动模态的前两阶损耗因子和引入约束阻尼材料总质量比为优化目标,以约束层、阻尼层厚度和粘弹性材料剪切模量为设计变量的多目标函数。利用遗传算法对 Pareto 最优进行优化选择,避免了对目标函数值的直接计算。通过分析和比较优化前后结构的模态振动频率变化以及幅频响应,表明引入质量太多会影响柱壳结构固有特性,而优化后结构能够避免太多的质量引入,并且具有更好的减振效果。     

带落角约束的变结构三维末制导律设计

分析导弹与目标水面舰艇之间三维空间的相对运动特性,并在此基础上进行带落角约束的变结构制导律设计。该制导律设计中,针对一次设计时切换面导数形式过于复杂的情况,作出变换进行二次设计,极大地简化模型;另外,由于目标信息难以获取,故将其视为扰动;最后通过数值仿真验证了所设计制导律的可行性和有效性,具有一定的工程应用价值。     

体-壳单元组合建模法在圆柱壳开孔结构有限元分析中的应用

研究体-壳单元组合建模法在圆柱壳开孔结构有限元分析中的应用,主要考虑多点约束(MPC)法在处理体单元与壳单元连接时的计算精度和效率。在Ansys中建立相应的模型,并与全壳单元模型及全实体单元模型的计算结果进行对比。结果表明,采用体-壳单元组合建模的模型在孔周壳板应力、结构屈曲模态及极限失稳响应等方面的计算结果与全壳单元模型及全实体模型偏差较小,结果比较可靠。     

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中,考虑到部分城市道路存在限制大型配送车辆通行的现状,以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点,将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中.同时考虑到车辆的使用成本和行驶成本,以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型,...     

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...     

基于自然驾驶数据的车辆自适应巡航系统控制方法

在常规的基于模型预测控制自适应巡航系统的算法中,舒适性约束均是采用固定加速度的形式,没有深入考虑不同速度下的加速度极值范围问题,这会导致在追求安全性和速度跟随性情况下,系统加速度和冲击度变化过大,从而降低了驾乘的舒适性。根据NGSIM自然驾驶数据集所得到了车辆的速度-加速度关系,并以此作为加速度的约束目标,将常规模型预测控制的定约束改为随速度变化的变约束,从而达到根据自然驾驶数据提高跟车舒适性的目的,并通过仿真试验验证了该方法的合理性。研究结果表明：该方法可使ACC系统在保证安全跟车和速度跟随的同时,使得加速度和冲击度波动变小;最大冲击度相比定加速度约束的模型预测控制减小了14.96%,可有效改善ACC系统的舒适性。     

约束可松弛的网络绿波模型

为解决区域交通信号协调控制领域中常规网络绿波模型可行域窄或无解的问题,提出了约束可松弛的网络绿波模型。应用混合整数线性规划方法构建模型,以所有路段双向绿波带宽加权和最大为优化目标,利用约束松弛方法,将干线约束和网络外圈闭环约束转变为可松弛的不等式约束。模型针对每条路段引入了0~1二元变量,表示路段的绿波是否被打断。通过模型求解,获得网络中必要的松弛路段,并打断相应的路段绿波,去除外圈闭环约束,以扩大可行域并找到最优解。算例对不同控制方案下提出的模型和其他绿波模型的绿波优化结果进行比较分析。算例显示,当网络各个交叉口采用同一化控制方案时,易于在不打断任何路段绿波的条件下找到最优解。此时,所提出的模型的解和常规网络绿波模型的解等价。当网络各交叉口采取差异化控制方案时,常规网络绿波模型无可行解,Gartner网络绿波模型仅获得非最优的可行解,而所提出的模型能够获得全局最优解。算例中只有1条路段的绿波被打断,而网络的其他路段均获得有效绿波带,且任意相交的干线绿波能够合理协调。算例优化结果表明：所提出的模型优于常规网络绿波模型和Gartner网络绿波模型,更适合复杂的城市交通网络信号优化设计。     

基于成对约束的半监督选择性聚类集成

针对现有聚类集成算法基本都是无监督聚类集成算法和传统聚类集成方法,其通常将所有产生的聚类成员都参与集成的问题,设计了一种基于成对约束的半监督选择性聚类集成方法(SSCES). SSCES方法选择基于聚类成员质量和差异度的选择聚类集成为研究对象,借鉴半监督集成的关键思想,将半监督聚类信息带入到选择聚类集成中.通过在多组数据集上实验来验证SSCES算法的有效性.     

主跨460m协作体系斜拉桥约束体系研究

巢湖大桥采用主跨460 m协作体系斜拉桥体系,跨径布置为(54+216.5+460+216.5+65+55+55)m,采用钢-混凝土组合梁,"人"字形混凝土主塔,拉索采用空间扇形拉索布置,主塔采用哑铃形承台,辅助墩及边墩采用分离式承台,基础采用钻孔灌注桩形式。现对巢湖大桥的竖、顺、横向约束体系进行比选研究,最终确定竖向塔梁间采用"0"号索、顺向塔梁间采用固定支座+黏滞阻尼器限位装置、横向边墩处采用摩擦摆式减隔震支座的全桥约束体系,以改善全桥结构在静力及地震作用下结构受力,获得相对最优的结构静动力力学性能,减小全桥材料用量,提高工程经济性。     

汽车驾驶人姿态监测系统研究综述（双语出版）

随着自动驾驶技术的发展,驾驶人将会参与更多的与驾驶无关的活动,从而呈现出新的姿态,这些新姿态是优化传统被动安全系统的重要切入点。而且在未来相当长的时间内,自动驾驶车辆的行驶依然依赖于人和系统的密切配合。对驾驶人姿态的观察,则可以为判断驾驶人是否有能力及时接管车辆提供帮助,从而确保安全、合理的人机交互过程。通过对大量相关文献的系统性梳理,综述了汽车驾驶人姿态监测技术的智能化发展趋势,从传感器种类以及相应的姿态监测算法出发,分析了目前不同监测系统的优缺点。研究发现,尽管传感器技术和姿态识别算法取得了明显进步,然而廉价稳定且能够在实际驾驶条件下对驾驶人姿态准确感知的监测系统依然缺乏。总体而言,目前的监测系统大多只是集中于对驾驶人局部身体部位的感知,缺乏实际驾驶条件下的性能分析,并且对驾驶人状态的实时感知和预测能力仍有待完善。最后,针对目前监测系统所面临的问题,对未来可能的研究方向进行展望,并提出主动式立体视觉系统和压力传感器阵列相融合的驾驶人姿态监测方式。研究成果将为驾驶人姿态监测系统的研究提供参考和借鉴,从而有助于道路交通安全水平的进一步提升,同时也可为人机交互界面的设计带来启发。