货运列车通过变坡点时纵向性能研究

根据列车纵向动力学原理,用计算机语言编制列车纵向动力学仿真程序。用该程序对列车在通过变坡点时紧急制动和常用制动缓解工况的纵向性能进行研究。以列车在平直道上的紧急制动和常用制动缓解工况的纵向冲动计算值作为基准值,将列车在凹形线路纵断面的紧急制动纵向冲动计算结果和凸形线路纵断面的常用制动缓解纵向冲动计算结果与基准值比较,用以确定列车通过变坡点时最不利的变换工况位置。从而对列车运行的优化操纵有一定的指导作用。     

砼徐变系数拟合与共轭斜量法求解

根据砼的徐变特性,选用指数函数作为基函数,构造了最普遍的Dirichlet级数形式来拟合徐变系数.针对拟合过程中实际变量多于未知变量的特点,应用共轭斜量法求解法方程组,在此基础上对文献中提供的砼徐变试验数据进行了拟合,拟合结果与试验数据吻合良好,并讨论了Dirichlet级数形式中初始值的选取要求.     

细胞图像自动分割方法研究

提出一种细胞图像的自动分割与定位方法．首先将直方图分割所得二值图像的距离变换作为边缘提取的指导知识，进行细胞图像的精确分割；然后利用分割边缘点的梯度方向和几何知识确定细胞的中心．该方法既能对非重叠细胞也能对重叠细胞进行细胞的分割与定位．     

艰险山区铁路长大坡道铺轨施工技术研究

郑万铁路重庆段沿线地形复杂、线路桥隧多、长大坡道段较多,给长钢轨运输、铺设造成严重的安全隐患,带来一系列施工难题。针对长大坡道铺轨施工风险和难题,从牵引机车优化配置、长轨列车装载加固、长轨列车对位和钢轨解锁等方面开展研究,并对研究成果进行现场应用验证。研究结果表明:综合考虑运行牵引质量、启动牵引质量上限、制动力和制动距离对不同坡度段进行牵引机车优化配置,不同坡度段的牵引机车配置完全满足施工要求;通过对长轨支架进行加固和长钢轨锁定,保证了长钢轨运输的安全;长钢轨铺设过程中,通过加强铺轨对位作业的现场指导和管理,同时利用自主研发的长钢轨防溜装置,从而确保了长大坡道铺轨的安全。     

小波变换和梯度对多聚焦图像的多分辨率融合

提出一种结合Roberts梯度和小波变换的图像融合方法.该方法对低频分量采用加权平均,对高频分量采用结合梯度平均值的规则.实验结果表明,该方法能够提高多分辨率图像融合方法的效果.     

坡度对长大坡道桥上无缝道岔的影响分析

为探讨制动工况下,坡度对长大坡道桥上无缝道岔受力与变形的影响,以国内某一坡度为17.2‰新建铁路线上的桥上无缝道岔为例建立力学分析模型,运用"等效轮轨黏着系数",建立了有砟轨道"岔-桥-墩"相互作用的一体化模型,分析不同坡度下列车制动时,钢轨纵向力、钢轨位移、墩台纵向力、心轨和尖轨位移以及间隔铁纵向力的变化。分析结果表明:坡度的增大对桥上无缝道岔的受力与变形都是不利的;侧股间隔铁的纵向力比直股间隔铁小,但是其受坡度的影响却较大;长大坡道上容易产生爬行现象,应加强无缝道岔防爬锁定,并加密防爬观测次数。     

碳纤维布加固混凝土矩形墩柱温度自应力探讨

基于平截面假定和自平衡力系条件,对碳纤维布(CFS)加固的任意形状横截面混凝土构件,建立日照辐射或骤然降温引起的温度自约束变形求解方程。推导CFS加固混凝土矩形墩柱在均匀变化、线性变化和指数变化温度梯度下的温度自应力解析式。与未加固混凝土矩形墩柱温度自应力解析式进行对比分析,结果表明,即使在均匀和线性变化温度梯度下,CFS加固矩形墩柱也会产生温度自应力;在指数变化温度梯度下,CFS中产生可观的温度自应力。所推导的自约束变形求解方程和温度自应力解析式具有一般性,适用于CFS加固混凝土构件和未加固混凝土构件。     

基于人工神经网络的快艇总振动预报

快艇因其重量轻、航速高，因而振动比较难控制，且一旦船体结构基本确定之后，要改善其总振动状况将更加困难。由于目前的规范计算法和有限元法需进行大量计算，费时费力，这对快艇设计的初期阶段很不利，因而在已有的设计经验的基础上，建立了快艇总振动预报的人工神经网络模型，为快艇设计的初期阶段提供参考。样本检验表明，该网络能较好地预报快艇的总振动。     

减速顶在大坡度线路上应用展望

分析调车系统中减速顶的特性,根据"减速顶做功是通过内部速度阀板的开闭来实现,调整速度阀板开量及更换速度阀板的支撑弹簧,可以调整减速顶的临界速度"的原理,提出在装车点前后或在轨道衡前后的大坡度线路上,安装减速顶辅助列车制动,以减少土建工程的设想。通过举例分析,得出减速顶能够在站内坡度较大、需要辅助制动的线路上使用的结论。     

改进深度确定性策略梯度的决策算法研究

为解决无人驾驶路径规划过程中的决策控制问题,文章针对深度确定性策略梯度算法在未知环境中随着搜索空间的增大,出现训练效率低、收敛不稳定等缺点,提出了基于奖励指导的改进算法。首先在每回合内采用基于奖励的优先级经验回放,减少深度确定性策略梯度算法随机探索的盲目性,提高智能车学习效率。然后在回合间基于奖励筛选优秀轨迹,便于指导智能车对复杂空间的探索,得到稳定的控制策略。最后,在开源智能驾驶仿真环境进行仿真。实验结果表明改进后的深度确定性策略梯度算法性能优于原来的算法,训练效率和收敛稳定性均得到有效提升。