数据包络分析下船舶物流运输路径规划方法研究

为了降低船舶物流运输拥堵,设计基于数据包络分析思想,提出新型船舶物流运输路径规划方法。根据现有的航路节点路径信息,模拟船舶层面模型,明确当前路径冲突分流节点,引入数据包络分析中的交叉效率评价思想,以节点作为投入数据,添加阻力费用建立效率评价目标函数消除冲突点,将其作为输入变量,建立可通行性惩罚函数,将冲突节点并入到原点集中,即可获取最佳规划路径。通过仿真实验数据可以确定,应用设计规划物流路径后,船舶物流交通冲突率降低了43%,平均无阻路段长度提升了47%,可以有效避免物流配送拥堵。     

基于改进支持向量机的船舶电力系统稳定性容错控制研究

为了提高船舶电力系统控制稳定性,提出基于改进支持向量机的,船舶电力系统稳定性容错控制方法。在传统支持向量机的基础上添加SVM分类策函数,生成电磁波最优超平面,对电磁波进行微观划分,引入模糊控制思想,建立模糊控制PID控制器,将划分后的电磁波作为PID控制器输入值,利用控制器模糊传递函数,提取电力系统控制输出值,建立PSO-LSSVM电力系统无线传感路径,通过传输节点,将控制输出值传输到电力系统指令层,实现船舶电力系统稳定性容错控制。实验数据表明,该控制方法对电力系统正向电流控制稳定性提高了16%,反向电流控制稳定性提高了22%,具有鲜明优势性。     

汽车耐久性可靠性理论与实践

汽车耐久可靠性评价经常由于概念的混淆及样本量的限制导致评价偏差,甚至于部分车企只是盲目的进行道路试验,对于试验过程中的故障、失效并未做科学的统计分析,从而陷入路试、整改、再验证的死循环中,浪费了大量资源,文章基于对耐久性与可靠性的定义解读借助可靠性统计分析的数学方法将耐久可靠性的评价进行量化以帮助耐久可靠性工程师能够客观评估产品的耐久可靠性水平。     

液舱晃荡对船舶横摇运动影响的数值研究

为了研究加载液舱在船舶航行时舱内液体晃荡对船体横摇运动的影响,对船体外流场(波浪场)与液舱内流场(液体非线性晃荡)分别采用势流理论方法计算,建立了在波浪中船体与液舱流体晃荡耦合的时域运动方程。其中波浪中船体水动力和时延函数采用三维频域法和脉冲响应函数法计算获得,舱内液体非线性晃荡采用时域边界元法计算。对横浪中加载了方形液舱的15000GT集装箱船在不同液舱装载深度工况下,就液舱流体晃荡及其与船体运动耦合分别进行了计算模拟与验证。研究表明,耦合运动模拟结果能清晰地反映液舱晃荡对船体横摇运动的影响,数值结果与试验吻合良好,并具有较高的计算效率。     

可拓理论在高等级公路隧道围岩分级中的应用研究

根据可拓理论在解决不相容问题及不确定问题等方面的突出特点,文章对其进行了适当的改进,得出高等级公路隧道围岩分级系统可拓评价体系,并应用于广东省惠深高速公路牛湖山隧道的围岩质量评价当中.且通过与灰色关联分析方法、专家经验方法等评价结果相比较,证明了高速公路隧道围岩分级系统可拓评价体系的科学性、合理性和经济性.     

微分法在有限元分析中的应用

基于有限元原理及结构的平衡微分方程,提出了一种求解结构单元形函数的方法。首先,根据结构单元的变形微分方程求解结构变形的常系数解析式;其次,根据单元的边界条件求解相应的系数表达式,并将求出的系数表达式代到解析式中,形成关于单元局部坐标的解析式;最后,提取单元节点广义位移向量,形成单元的形函数矩阵。运用所提出的方法对结构典型杆单元、梁单元的形函数进行求解后发现,所获得的形函数与相关文献提供的形函数完全一致,表明所提方法正确有效,并且同样适用于其他结构单元形函数的求解,从而为有限元的进一步推广和拓展提供了一条行之有效的途径。     

基于RetinaNet及优化损失函数的夜间车辆检测方法

为解决智能驾驶系统中夜间车辆检测误检多、远处小目标检测效果差的问题,在RetinaNet的基础上对损失函数进行全面优化.在分类损失函数方面,分析了负样本与正样本交并比的产生机理和对训练的影响,构造了关联交并比的分类损失函数,利用负样本交并比使网络注重于训练难分类负样本,同时利用正样本交并比提高了检测框的定位精度;在定位...     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

无人驾驶汽车横向滑模控制仿真研究

使用2自由度车辆模型将基于视觉预瞄的无人驾驶汽车横向运动模型简化。对简化后的模型,引入滑模控制的方法,通过控制输入量(前轮转角)使预瞄点处的航向偏差和横向距离偏差最小。同时考虑到滑模控制存在的抖振现象会影响整个控制的稳定性,使用具有连续变化特性的双曲正切函数代替符号函数。最后通过CarSim和Simulink联合仿真验证方法的可行性。