小型自然循环蒸汽发生器水位控制特性分析

针对小型立式自然循环U形管蒸汽发生器,提出基于经典PID控制理论模型的二回路侧水位控制方块图和数学模型,并采用RELAP5程序建立含水位控制的蒸汽发生器热工水力瞬态分析模型,研究了10%FP阶跃降升负荷、大幅度阶跃降升负荷2种情况下蒸汽发生器的热工水力动态特性,分析了水位控制方案的可行性。结果表明,所设计的水位控制系统以及PID整定参数取值基本满足功率运行控制需求,但由于影响两相流水位因素的多参数复杂性,使得某些负荷下水位控制系统带有一定的非线性特征,在工程上标定水位和给水流量时需要重点关注。     

一种带松动标识的爱克姆螺纹锁紧装置的设计

为节省列车车厢内部空间、方便快捷地安装配置设备的电气线路和空气管路,高速列车普遍将车辆设备安装布置到车体底架下部。文中结合车下设备的紧固和检修需求提出了一种新型锁紧装置,该装置有效提高了锁闭系统的疲劳寿命,有效地保护列车的行车安全,并降低了生产和劳动成本。     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

PLC控制的船用电机驱动系统

传统船用电机驱动系统极易受到海上复杂环境的影响,为了解决传统系统中存在的抗干扰性差的问题,引入PLC设备对船用电机驱动系统进行优化设计。在传统的硬件系统上安装PLC控制元件,并对系统电路进行整改,通过编写船用电机启动控制程序和停机控制程序,实现系统的软件设计。经过系统测试得出结论:在噪声干扰环境下,传统船用电机驱动系统与PLC控制下的船用电机驱动系统的运行成功率均为100%,但PLC控制下的船用电机驱动系统比传统系统的信号波动幅值低4.0,因此具有更高的抗干扰能力。     

“天鲲号”超大型自航绞吸船辅钢桩门装置设计

针对自航绞吸船在艏部设置辅钢桩定位系统存在的影响航速等问题，“天鲲”号超大型自航绞吸挖泥船提出了在艏部设置钢桩门的解决方案。该解决方案不仅可以保持完整的艏部线型，减小航行阻力，而且还可以减小辅钢桩甲板作业空间。本文介绍了“天鲲”号辅钢桩门装置的设计方案，以及辅桩钢桩门结构设计，最后提出了辅钢桩门开闭油缸等关键设备的选型计算方法及选型结果。本文可为超大型自航绞吸式挖泥船的辅钢桩门装置的设计分析提供参考和设计思路。     

水中航行器控制分配技术应用现状

过驱动系统现如今已经广泛的存在于各个科学应用领域,控制分配是处理冗余控制的一种常用方法;同时,控制分配也是过驱动航行器运动控制中的一项关键技术。本文主要介绍控制分配技术在水中航行器的应用情况。详细描述了应用到的控制分配方法原理,指出各种方法的优缺点,重点阐述了控制分配技术在水下机器人方面的应用情况。最后对控制分配相关存在的问题进行总结,并且讨论了控制分配技术的发展方向。     

基于多点线圈联合数据的高速公路匝道影响范围识别

为准确识别高速公路匝道对主线车流的影响等级和范围，本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响，对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表 明，所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%；A~C级服务水平下，分流匝道对上游主线最外侧车道影响程度比次 外侧车道高6%~29%，D~F级服务水平下，最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m；其中上游160m至下游100m和下游180~ 270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m，其中750~850m、450~ 600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据，可有效降低设置匝道带来的影响。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。