面向智能车的电子液压制动系统研究

面向智能车设计了一款并联式电子液压制动系统,并针对智能车在紧急制动时易失稳的问题,基于车辆制动时的载荷转移特性,提出一种制动力分配控制策略.根据车辆在制动时前、后轴载荷转移量调节前、后轴车轮制动力,并将此时前、后轴车轮制动力矩作为基准制动力矩,基于径向基神经网络和PID算法设计附加制动力矩控制器,以此调节各车轮的制动力...     

TTC与安全时距协同AEB控制策略

分析了驾驶员行驶过程中的反应时间,制定相应的TTC预警及制动阈值。考虑到TTC算法在近距离跟车情况下的不适用性,提出了TTC算法与安全距离模型协同控制方法,并在车辆左右偏置50%测试工况下进行仿真验证,结果表明协同控制方案效果良好。     

流行数据加密算法分析

随着网络技术和计算机技术的迅猛发展,数据加密算法和技术迅速进入了现代社会,数据加密技术成为现代社会中保护信息的重要手段和工具.了解并有效使用数据加密算法技术已成为计算机技术和通信领域的迫切需求,这也是信息化社会发展阶段的重要标志.     

兼顾成本与风险的渣土车运输路径优化模型

为提高建筑垃圾运输过程的经济性和安全性,针对渣土车运输路径优化问题进行了研究,提出一种兼顾成本与风险的多目标0-1整数规划模型。该模型将时间成本、固定成本和运输过程中产生的与渣土车流量、道路等级、单双车道相关的风险因素融入了优化目标,同时其约束条件充分考虑了时间窗和路段连续性等影响因素。鉴于模型的复杂性和多目标特征,设计NSGA-Ⅱ算法对模型进行求解。基于济宁市渣土车实时监测数据设计实例对模型和算法进行验证。结果表明：NSGA-Ⅱ算法适用于求解渣土车运输路径多目标优化模型;通过对模型求解可以得到兼顾运输成本与风险的渣土车运输路径;相比于现有运输路径,模型所得路径最多可以使运输成本和运输风险分别降低19.6%和24.6%;渣土车更适合采用道路等级较高的双车道路径。     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...     

面向双向渐进结构拓扑优化法的高效灵敏度过滤算法研究

连续体结构拓扑优化过程中往往存在着棋盘格和网格依赖性等数值不稳定现象,过滤算法是解决此类问题的有效手段,其实质是对单元灵敏度进行光滑处理。灵敏度过滤算法是将中心单元灵敏度用其过滤半径内单元灵敏度的加权平均值替代。在面向复杂工程结构时,由于结构网格量规模庞大,如何准确且快速确定单元的邻域是影响计算效率的关键一环。现广泛使用的是通过枚举计算单元形心间的距离,这种方法易于实现但需要消耗大量计算用时,且无法反映单元之间的连通关系,不能适应结构当中存在孔洞等非设计域的情况。为避免上述情况产生,基于双向渐近结构优化法,提出一种准确快速搜索单元邻域的新策略,通过构建的节点与单元的关联信息,建立从中心单元—从属单元—邻域单元的逐层搜寻模式。这种搜索策略可以极大节省前处理运算耗时,也能够适用于任意非规则网格以及三维模型。最后引入了存在非设计域孔洞的算例,发现使用此过滤策略能够得到性能更优的结果,得到的柔度值比使用枚举的方法低4%,同时能够有效消除“孤岛”现象。     

基于索网找形的吊弦长度计算方法探讨

在总结现有吊弦计算方法的基础上提出一种新的计算方法,阐述了新方法的基本理论基础和计算流程.最后对2种方法优缺点进行了总结.本文提出的新方法对传统的计算方法的不足进行了弥补,有理论指导意义.     

基于BP神经网络的桥式起重机主梁故障预测和评估

为及时发现主梁故障,做好日常检测维修工作,延长桥式起重机使用寿命,利用BP神经网络对桥式起重机主梁进行故障预测和评估。从主梁载荷分析和结构失效准则入手,建立主梁故障评估体系,利用采集的各项实际数据作为BP神经网络的输入,主梁的故障特征作为输出,进而预测主梁的故障情况。通过BP神经网络训练,验证桥式起重机主梁评估体系的可行性,为通用桥式起重机主梁故障的安全评估提供方法。     

基于卷积神经网络的铁路曲线特征点检测算法

针对现役轨道检测系统中曲线特征点检测算法参数难以适应实际线路中曲线半径范围较大,以及由于参数设置不当导致检测的曲线特征点位置与实际位置偏差较大的问题,结合机器学习算法,提出了一种基于卷积神经网络的曲线特征点检测算法.该卷积神经网络模型可以同时对曲线的特征点进行分类和定位,将一段连续的超高数据归一化处理后作为输入数据,计...     

基于数据挖掘的船舶引航事故致因分析

为控制和预防船舶引航事故的发生,采用Apriori算法挖掘船舶引航风险因素的关联规则,在挖掘风险因素间强关系的基础上结合定性贝叶斯网络的事故致因网络关联分析,综合确定船舶引航事故致因链。根据事故致因链分析引航事故最可能的形成过程和关键环节,以提出有针对性的防范对策。