交流电力机车网侧变流系统实时仿真

以HXD1型机车为原型,在Matlab/Simulink仿真环境下,构建由变压器模型、四象限变流器开关函数模型以及中间直流回路模型,形成网侧变流系统实时仿真模型。采用dSPACE硬件实现了四象限变流器控制程序和网侧变流系统的闭环实时仿真,最后将实时仿真结果与试验数据对比,验证了模型的准确性。     

6502遇两相邻区段分路不良迎面误解锁问题分析

介绍6502电气集中定型电路遇轨道电路连续分路不良的故障积累情况下产生的危险侧输出,分析其原因,指出6502的限制性边界条件,提出关键的解决思路。     

信号安全技术在DS6-60计算机联锁系统中的主要应用

计算机联锁系统因其应用领域的特殊性,在满足铁路运营需求的同时,必须保证铁路运输的安全。因此对计算机联锁系统的安全性有较严格的要求。广义的信号安全技术包含故障-安全技术、可靠性和易维护性等方面。DS6-60型计算机联锁系统是基于故障-安全技术研发的通过欧标认证的铁路信号安全控制系统。阐述了DS6-60型计算机联锁系统各个环节的主要安全技术应用。     

钢-混凝土双面组合箱梁日照温度效应研究

在自然环境下,钢一混凝土双面组合箱梁受一天中日照变化的影响,在梁体内部会产生相应的温度应力和变形。以三跨钢一混凝土双面组合箱梁为研究对象,对组合梁在6：00至18：00日照条件下的温度应力与位移进行计算分析。利用有限元软件ANSYSl0．0建立三跨连续组合箱梁有限元模型,采用间接耦合解法进行热一结构耦合场的运算。得到了温度应力与温度位移的分布规律及时程分析,并对箱梁混凝土底板对温度效应的影响进行探讨。     

基于径向基函数响应面方法的大跨度斜拉桥有限元模型修正

采用ANSYS有限元软件建立某大跨度斜拉桥试验室物理模型的三维有限元模型.基于灵敏度分析,选取模型待修正参数和用于模型修正的特征量.采用实验设计方法生成数样本,通过有限元分析提取对应的特征量信息,进而建立待修正参数与特征量关系的径向基函数响应面模型.通过对响应面模型的拟合误差分析,确定径向基函数的最优形状参数.以斜拉桥自振频率和静态索力构建目标函数.基于建立的响应面模型,采用遗传优化算法进行有限元模型修正.结果表明,采用径向基函数响应面模型拟合斜拉桥设计参数与特征量之间的隐式关系有较高的精度;基于仿真数据的模型修正有较高的精度,基于试验数据的模型修正能得到合理的结果,该方法可有效地修正复杂桥梁结构有限元模型.     

深圳地铁3号线车-地无线通信系统

主要介绍应用于深圳地铁3号线正线信号系统中的车-地无线通信系统的结构、组成和原理,并简要描述系统的主要特色,以及系统应用中应注意的问题.     

新型水玻璃-酯类浆液对风积沙边坡稳定性研究

针对风积沙边坡稳定性差的问题,在新型水玻璃-酯类浆液性质研究的基础上,采用新型水玻璃-酯类浆液对风积沙边坡进行加固,并通过数值模拟的方法研究新型水玻璃-酯类浆液填充率和加固深度对桥台开挖工况下风积沙边坡稳定性的影响。研究结果表明,天然状态下风积沙边坡安全系数为1.15,滑动面近似平行于坡面。在未对风积沙边坡进行加固时,桥台开挖后风积沙边坡最大水平位移为30.6cm,塑性区通过桥台开挖形成的转角处,安全系数为1.03、低于天然状态下的1.15,说明在未加固的条件下对风积沙边坡进行桥台开挖会极大降低风积沙边坡稳定性。新型水玻璃-酯类浆液填充率和加固深度对桥台开挖状态下风积沙边坡稳定性影响结果表明,随着浆液填充率和加固深度的增加,风积沙边坡安全系数不断增加。     

基于模糊集合理论的船舶碰撞危险度模型

为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。     

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。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。