锚固路堑高边坡稳定性非线性模糊评判

针对路堑高边坡锚固后的稳定性评价,基于模糊性与层次性构建锚固路堑高边坡稳定性2级模糊综合评判模型。根据不同类评价指标的取值方法及隶属度函数选取原则,建立统一的隶属度确定方法,采用三角模糊数互补判断矩阵排序方法确定权向量,以体现评价指标重要程度比较的不确定性。引入非线性模糊算子,以消除个别影响因素不利时对结果的突出影响,使评价结果能更真实地反映工程实际状况。以京新高速公路路堑高边坡稳定性评价为应用实例,验证该模型的可行性与合理性。     

基于非线性Drive-shaft模型的车辆传动系统冲击响应

建立了包含线性与非线性项的车辆传动系统非线性Drive-shaft模型, 应用具有耗散项的拉格朗日方程将非线性Drive-shaft模型转换为当量化的两质量模型, 通过将两端扭转角等效到同一端获得了传动系统的冲击响应方程, 应用Routh-Hurwitz准则分析了冲击响应方程的稳定性, 获得了稳定性参数区间。仿真结果表明: 将非线性阻尼分别设置为0和线性阻尼的1/10、-1/10时, 冲击响应首个峰值的绝对值分别为0.153 9、0.101 4、0.371 6, 当非线性阻尼为线性阻尼的1/10时, 冲击响应的首个峰值的绝对值最小, 这说明正的非线性阻尼有利于冲击响应的衰减; 将非线性刚度分别设置为0和线性刚度的1/10、-1/10时, 获得的冲击响应首个峰值的绝对值分别为0.153 9、0.178 8、0.115 9, 当非线性刚度为线性刚度的-1/10时, 冲击响应的首个峰值的绝对值最小, 这说明负的三次方非线性刚度有利于冲击响应的衰减; 在固定非线性刚度为线性刚度的-1/10的基础上, 将代表非线性阻尼的系数分别设置为0.1、0、-0.1, 获得的冲击响应首个峰值的绝对值分别为0.078 4、0.114 2、0.231 6。可见, 当代表非线性阻尼的系数设置为0.1时, 冲击响应的首个峰值的绝对值最小, 这表明在传动系统线性刚度及线性阻尼的基础上, 设计负的非线性刚度及正的非线性阻尼可以提升传动系统抵抗冲击的性能。     

出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论, 选取出行者特征、行程特性与出行方式服务水平作为效用变量, 以出行方式与出发时间作为选择肢, 构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据, 并模拟了在早高峰时段对小汽车出行收取费用时, 小汽车出行者出行行为的变化。计算结果表明: 与传统MNL模型相比, NL模型具有更好的统计学特征, 调整后的拟合优度由0.338增大至0.404;在2种NL模型中, 出发时间位于下层的结构对样本数据的适应性更强; 当早高峰时段小汽车出行收取费用为5元时, 72.6%的小汽车出行者坚持原有出行方式与出发时间, 22.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 4.8%的小汽车出行者改用公共交通方式, 但出发时间不变, 仅0.2%的小汽车出行者同时改变出行方式与出发时间; 当收取费用为10元时, 51.7%的小汽车出行者坚持原有出行方式与出发时间, 40.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 7.9%的小汽车出行者改用公共交通方式, 但出发时间不变; 当收取费用为20元时, 27.5%的小汽车出行者坚持原有出行方式与出发时间, 60.6%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 11.9%的小汽车出行者改用公共交通方式, 但出发时间不变。     

VMS行程时间诱导效益仿真算法

基于宏观交通仿真模型, 提出了可变情报板(VMS)行程时间诱导效益仿真算法, 分析了驾驶人的信息关注率和信息理解偏差系数对VMS行程时间诱导效益的影响。以行程时间计算模型和驾驶人信息响应模型与METANET仿真模型为理论基础, 以路网总耗时改善率为诱导效益目标, 在3种不同规模的路网上进行仿真试验。仿真结果表明: VMS行程时间对于改善路网运行效率通常具有正面的诱导效益; 信息关注率越高, 信息理解偏差系数越小, 诱导效益越显著; 当信息关注率为80%以上时, 小型、中型、大型3种路网的诱导效益分别达到28.89%、15.87%、10.53%以上。可见, 仿真算法有效。     

桥梁风致振动的混沌特性

利用非线性理论和混沌时间序列分析方法, 建立了桥梁风致振动的数学模型, 开发了计算桥梁振动加速度时间序列Lyapunov指数的MATLAB程序, 进行了桥梁涡振和颤振的风洞试验, 分析了不同风攻角下的桥梁风致振动的阻尼比、Lyapunov指数与风速的关系以及涡振振幅与风速的关系, 研究了桥梁颤振和涡振的混沌特性。试验结果表明: 在颤振试验中, 当风速小于颤振临界风速15.5m·s^-1时, Lyapunov指数小于0, Lyapunov指数与阻尼比存在很大的相关性, 当风速从3m·s^-1增大为18m·s^-1时, 相空间逐渐发散; 在涡振试验中, 当风速从4.5m·s^-1增大至8.5m·s^-1时, Lyapunov指数大于0, 桥梁发生明显涡振, 并由多频振动逐渐转变为单频振动, 相空间变为一个较为理想的圆。桥梁的涡振与颤振均属于混沌现象, 低风速下的Lyapunov指数可用来预测高风速下的风致振动, 并且利用相空间也能识别涡振与颤振。     

基于概率模型的交叉口感应信号控制研究

考虑多种因素影响下初始绿灯时间和车辆到达服从概率分布特征,提出了1种交叉口感应控制最大绿灯时间优化模型,以交叉口平均延误、停车次数、排队长度为评价指标,利用 Vissim 仿真软件,将该模型与传统感应控制模型进行对比。仿真结果表明提出的算法在不同的饱和度下改进效果比较明显,尤其当交通量较大、饱和度较高时,传统感应控制效果有限,采用该模型的改进效果依然显著。     

机车编组方式对列车再充气特性的影响

为量化机车编组方式对重载列车再充气特性的影响, 结合神华铁路万吨重载列车纵向动力学试验结果, 对万吨重载列车再充气特性进行分析, 并利用基于气体流动理论的空气制动系统仿真方法, 建立列车空气制动系统模型, 通过试验对比验证仿真系统的准确性, 对不同机车编组、多机车不同滞后时间和不同减压量的再充气过程进行仿真。计算结果表明: 列车头部机车数目增加对首车再充气特性影响较小, 2种编组列车的副风缸压强差值小于15kPa; 单编列车充风时间是3辆机车编组充风时间的2.4倍; 当机车集中于列车前部时, 充风时间缩短量与机车数目增加量非正比关系, 即3辆机车集中编组的充风时间不是单编列车充风时间的3/10;机车数目对于充风时间的影响完全取决于编组方式, 分散编组减压50kPa的充风时间较集中编组节省37%~75%, 机车集中编组减压110kPa的充风时间是分散编组的1.5~3.5倍, 分散编组常用全制动的充风时间为机车集中编组的30%~63%;从控机车滞后时间对充风时间影响较小, 充风时间增长量与滞后时间相近; 得到4种机车编组方式不同减压量的充风时间的二次拟合函数, 随着减压量的增加, 4种机车编组的充风时间增长缓慢。     

公交浮动车辆到站时间实时预测模型

根据公交浮动车辆实时GPS数据, 考虑不同时段的路段平均速度、公交车站、信号灯等多因素的影响, 建立了一种新的公交车辆到站时间预测模型。通过估计到达下游最临近站点的时间和判断道路上GPS数据的有效性等方法, 改善了预测模型的精度, 并应用重庆公交车辆数据对模型进行验证。计算结果表明: 该模型能够实时预测公交浮动车辆到达下游站点的时间, 预测精度优于现有方法, 在高峰时段预测误差小于9%, 在非高峰时段预测误差约为6%, 并对各种道路交通条件具有较好的适应性。     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。     

智能电动车弯曲道路场景中的避障路径规划

为研究智能电动车在弯曲道路场景下进行避障规划的有效性, 提出了一种将笛卡尔坐标系转换为曲线坐标系的方法, 利用5次贝塞尔曲线对弯曲道路场景中的车道线进行逼近得到参考路径, 通过对参考路径进行弧长参数化, 以弧长为横坐标, 横向偏移为纵坐标的方法建立曲线坐标系, 根据车辆和子目标点在曲线坐标系中的位置关系, 采用3次多项式实时生成候选路径, 利用序列二次规划算法对候选路径进行优化; 为验证所提算法的有效性, 以某智能电动车为平台, 利用单目相机、64线激光雷达、工控机等设备搭建试验车, 通过Apollo平台对车辆在弯曲道路场景中的避障算法进行在线仿真, 在园区实车试验中对避障算法进行了GPS位置误差和航向角累计误差分析。研究结果表明: 在曲线坐标系中进行车辆弯曲道路场景下的避障路径规划, 能有效地描述规划路径曲率半径、车辆中心位置偏移车道线距离等信息, 容易确定自身车辆的可行驶区域、前方障碍物位置信息, 从而生成最优路径; 在园区场景的避障过程中, GPS位置误差发生在初始点、转弯点以及避障点, 最大误差为0.15 m, 航向角累计误差为12°, 突然增大的弯道位置误差主要由车辆姿态瞬时改变及障碍物匹配过程引起, 但是误差都能够很好地控制在一定范围之内, 利用曲线坐标系解决弯曲道路场景中的避障路径规划是可行的。