CRTSⅡ型无砟轨道板打磨关键技术研究

CRTSⅡ型无砟轨道板打磨技术体系由打磨软件统领,包括生产管理、磨床控制、打磨操作、激光测量、雕刻5个子系统技术。通过对打磨技术体系的研究,尤其是对五轴机床联动技术、数控机床、磨刀技术、模腔循环技术等打磨技术体系关键技术的研究分析,提出了建立自主的无砟轨道技术体系是我国高速铁路建设的必经之路。通过石武客专、京沪高速铁路的使用和验证,表明自主系统比国外系统有更强的适应性,填补了国内空白。     

函数模糊识辨法及其在桥梁抗洪能力评估中的应用

现行桥梁抗洪能力评估方法大多需要汇流方式、雨量损失、流域平均坡度、主河槽长度等参数,令缺少相关资料的既有中小桥梁抗洪能力评估难以实施.为解决这一问题,本文提出一种基于历史水痕标定的函数模糊识辨法:建立典型断面的雨量—水位函数,利用模糊识别方法确定与实际断面最相似的典型断面,借助桥墩历史水痕和对应的暴雨强度资料标定雨量—水位函数,从而利用雨量资料,对桥梁进行抗洪能力评估.研究结果表明,该方法的理论基础可靠;只需糙率和一组历史雨量及对应水痕高程,避免了收集汇流方式、雨量损失、流域坡度、主河槽长度、流域面积等大量的勘测工作和繁琐计算;计算精度满足工程要求,可以广泛应用于中小流域桥梁抗洪能力评估.     

CRH1E动车组车门集控故障案例分析及应急处理措施

对两起CRH_1E动车组车门集控故障进行案例分析,通过试验模拟,还原故障现象,对车门不能释放、车门不能打开、车门不能关闭等三种情况进行分析总结,并提出途中应急处理措施。     

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。     

车站多设备终端集中操控的研究与实现

车站多设备终端集中操控系统是CIPS系统能够脱离对联锁、驼峰等控制系统的依赖,在既有站控制系统不发生变化的情况下实现编组站管控一体功能的必要部分,由集中操控模块和通用PRC模块组成。对于集控和通用PRC系统实现的行业形势进行阐述,重点对系统的结构、功能、实现原理进行了详细的描述。该系统已经在苏家屯编组站以及路外企业站鲅鱼圈、西昌攀钢等CIPS项目中投入运用。     

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.     

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。     

大跨度混凝土连续梁桥长期下挠加固方案研究

针对某城市主跨为129 m的预应力混凝土连续梁桥运营7 a以来中跨不断下挠情况,在不中断交通的条件下,从箱室内加体外预应力、外加结构角度出发,分析不同加固方案对挠度控制的有效性及其对原结构的影响,以期为加固已下挠的连续梁、防止其继续下挠提供一种有效的加固方案.     

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。