技术站站场改造的建议和思考

对既有站如何满足长大列车的解编集结问题进行了探讨,并提出了解决问题的方法,介绍了一种新的系统解决方案。     

翻车机敞车自动摘钩分析和应用

为实现翻车机敞车解列的智能化控制,利用专用机器人完成摘钩解列工作.通过智能检测、智能识别、智能定位、智能运动控制等技术,结合翻车机自动控制系统,在摘钩作业时,串联原自动系统实现全自动无人化.使用翻车机智能摘钩控制系统,能提高车厢脱钩效率,提高系统安全性,使翻车机的敞车解列作业真正实现全过程全自动化.研究成果可更深层次解...     

多聚磷酸改性生物沥青混合料性能试验研究

文章以基质沥青和调和沥青作为对照组,通过室内路用性能试验对PPA改性生物沥青的高温、低温和抗水损害性进行研究.试验结果表明,生物沥青自身优异的抗高温性能能够增强基质沥青混合料的高温稳定性,但会降低其低温性能和水稳定性;PPA改性剂能够明显提高生物沥青混合料的高温抗车辙变性能和低温抗开裂能力,但同时也会削弱其抗水损害性能...     

基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型

为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。     

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...     

摩托车排放后处理技术现状

简述了为减少摩托车污染物排放而采用的二次空气、多级补气和电控补气、燃油电喷技术等摩托车排放后处理技术,进一步阐述了这些技术与催化剂结合在降低摩托车排放污染物上的应用,分析了各种技术的原理和应用现状,同时对其优势和缺点进行了比较,阐述了目前排放后处理技术中存在的问题,对今后的发展提出了建议。     

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...     

LightGBM算法在发动机开发中的应用研究

新型汽车发动机的开发过程包含有前期功能标定阶段和后期耐久性验证阶段。功能标定阶段需要布置大量各类传感器,而耐久性验证阶段则很少布置,因此在耐久性验证阶段出现故障时,会出现因传感器数据不足而无法准确分析故障原因的情况。基于某型号发动机开发前期的功能标定数据,应用轻量梯度提升机（LightGBM）算法,建立并训练合适的模型,并对模型进行特征过滤、丰富训练集等优化,用于预测温度特征。结果表明：该模型精度和预测结果良好,可以很好地解决由于传感器数据不足而无法准确分析故障原因的问题;同时,可以将该模型预测功能应用到其他发动机开发过程中。     

Tam(a)o:在上川岛还是在屯门澳——Tam(a)o考订研究的学术史回顾

Tam(a)o地望的考订是早期中葡关系史研究中的一个热点问题.本文对研究中影响较大的两派意见的争论过程进行了学术回顾和评析.文章指出,此一研究经历了两个阶段:纠正上川岛说之误和确定Tam(a)o屯门澳内何岛;对上川岛说提出质疑,是Tam(a)o考订研究的重要进展,将考察的目光由上川岛转向南头附近的屯门海澳,使此一研究沿着正确的思路发展;在此基础上,通过中外原始文献和地图资料的互补互证,较为妥善地解决了Tam(a)o为屯门澳内何岛的问题.最后,文章强调了正确把握学术史和准确运用原始资料对于史学创新的重要性.     

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...