桩基非对称局部冲刷条件下土体应力变化解析解

传统桩基局部冲刷坑模型主要采用对称形态的坑体来分析,然而实际问题中局部冲刷坑体常为非对称,这使得桩基处于更不利的状态。评价桩基承载力的关键之一是合理计算冲刷坑造成的土体应力状态变化。而对于桩周形成非对称冲刷坑时土体应力变化,目前仍然没有较为完善和严格的理论分析方法。针对该问题,根据已有试验得到的非对称局部冲刷坑形态,提出非对称冲刷坑内土体应力计算的平面应变简化模型;并基于弗拉曼解在半无限空间中的应用,将冲刷坑以上土体看做荷载并引起土体内应力重分布,得到非对称冲刷坑下土体应力分布计算的平面应变解析解。通过有限元中的"生死单元法"模拟非对称局部冲刷坑的形成过程,并将有限元得到的冲刷坑内土体应力结果与解析解计算结果进行对比,验证解析解的正确性。随后基于该方法考虑桩尺寸的影响,得到非对称局部冲刷坑形成后桩周土体的垂直及水平有效应力计算方法,并与有限元计算结果进行了对比。结果表明：在考虑桩尺寸时,解析解计算结果略保守。在此基础之上,对非对称冲刷坑参数的敏感性进行分析,指出桩上、下游侧冲刷深度差值对桩周土体的应力影响较大,得到了非对称冲刷坑下桩周土体的垂直有效应力及水平有效应力差的变化规律,研究结果可为工程设计提供参考。     

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。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

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。     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。     

弓网电弧对机场终端全向信标台电磁骚扰的影响

选取高速电气化铁路电分相、锚段关节和普通点3个典型位置,采用点频测试和峰值、准峰值、平均值检波方式,在机场终端全向信标台(TVOR)的工作频段内开展弓网离线电弧电磁辐射测试;以某电气化铁路线路垂直下穿机场跑道为例,研究弓网离线电弧对TVOR的电磁骚扰影响。结果表明:电分相处的弓网离线电弧电磁骚扰最大,在频率为110 MHz时峰值检波的10m法值达89.4dBμV·m-1;普通点和锚段关节处的弓网离线电弧电磁辐射不会对TVOR产生影响,即便拉弧点位于铁路线路与机场跑道交叉点处,仍能满足防护率的要求,而电分相处拉弧点距铁路线路与飞机跑道交叉点的距离大于236m时,才能满足防护率要求。研究结果能够为机场区域轨道交通和机场航空的电磁兼容性设计提供依据。     

雅万高铁技术标准研究

结合印尼雅万高铁项目,对我国高速铁路技术标准"走出去"进行了适应性研究。从自然条件、社会因素和技术水平等方面分析雅万高铁技术标准选择的影响因素,对主要技术标准以及线路、轨道、地质、路基、桥梁、隧道等专业技术标准进行了适应性研究,提出适合雅万高铁条件的技术标准建议。研究成果为雅万高铁的建设提供了支撑,为我国高速铁路标准的进一步优化完善提供了参考,为其他"走出去"项目提供了借鉴。     

铁路货车发展方向研究

总结我国铁路货车发展现状,分析铁路主要技术政策对货车发展的影响,预测"十三五"期间需求发展趋势,结合未来机车车辆技术的创新与发展以及制约货车装备发展的主要参数,提出我国货车未来发展方向是推进重载运输,逐步实施第四次升级换代,增加货运效益;发展集装化快捷运输和多式联运,促进铁路运输和其他物流渠道融合发展;发展专业化运输,扩大高附加值货物运输。     

高速铁路轮轨硬度匹配研究及方向探讨

针对我国高速铁路轮轨关系中钢轨磨耗小、车轮存在凹磨和多边形磨耗、车轮镟修周期短和维护成本高等问题,从轮轨硬度匹配角度,开展轮轨材质硬度摩擦磨损小比例试验、现场轮轨磨损规律测试试验、轮轨磨耗仿真计算等研究,对轮轨硬度匹配指标和方案进行探讨。研究结果表明,轮轨硬度比控制在1.00∶1.00以上,可有效减小车轮磨耗;提高车轮硬度,可抑制和减缓多边形磨耗的产生。建议适当提高我国应用车轮的硬度,推广我国自主研发的强韧性兼备高硬度车轮,延长车轮镟修周期,节约养护维修成本。     

溅射水对铁道绝缘子带电水冲洗效果的影响分析

带电水冲洗是清洗接触网绝缘子的主要方式之一,清洗产生的溅射水对水冲洗效果影响很大,而相应的研究却很少。通过流体仿真分析和理论研究,对溅射水在冲洗工作、冲洗机理和污垢黏附强度等3个方面对带电水冲洗的影响进行分析。结果表明:溅射水会增加清洗范围,提高清洗效率,但也有可能导致闪络的发生,影响冲洗工作安全;溅射水会改变射流清洗机理,清洗主要原因由以渗透内应力变为水压力直接挤压剪切;溅射水会提高污垢周围的相对湿度,导致污垢颗粒与绝缘子表面间的黏附力增加,但对清洗所需动压影响不大。