基于改进GA优化的水下机器人航向鲁棒控制

基于某型号水下机器人水平面线性化模型,针对水下机器人系统存在的多种不确定因素,工作环境复杂多变的问题,采用混合灵敏度法设计水下机器人航向鲁棒控制器。在设计中,通过罚函数小生境遗传适应度值作为桥梁建立起遗传寻优与混合灵敏度参数之间的关系,构成多目标优化问题寻优加权函数。实验结果表明,所用方法可在保证系统较强鲁棒性的同时,又能兼顾时域指标和混合灵敏度加权函数频域要求,获得综合性能指标最优的鲁棒控制器,控制效果较好。     

方沉箱浮游稳定特性

针对某港码头方沉箱,探讨了影响方沉箱浮游稳定特性各因素(定倾半径、质心到浮心的距离、定倾高度和沉箱吃水)随着沉箱密度和前舱加水高度的变化规律。结果表明:在前舱加水高度不变的情况下,方沉箱定倾半径和质心到浮心的距离随着沉箱密度增加而减小,定倾高度和沉箱吃水则相反;在沉箱密度不变的情况下,各因素随着沉箱密度的变化规律同前舱加水高度。前舱加水高度过高,会引起方沉箱的浮游由稳定平衡变为不稳定平衡,存在较大风险,而规范中并未有所体现,建议设计时加以考虑。同时在满足浮游稳定的前提下,尽量减少前舱加水高度从施工上来说是很有必要的。     

并列双线船闸单侧闸墙长廊道输水系统布置及水力学模型试验研究

长洲三线四线船闸为目前国内规模最大的单级船闸。针对其并列布置方案,提出单侧闸墙主廊道闸底横支廊道的输水系统形式。通过水力计算分析及1∶32的水工模型试验研究,提出输水系统的具体布置,确定船闸不同运行方式下的阀门开启方式,得到输水过程的相关水力特性,解决了单侧闸墙廊道布置下闸室水流分布不均的问题。研究表明:提出的输水系统布置是合理可行的,各水力特征值均满足规范和设计要求,且输水系统布置于两线船闸之间,便于管理,减小了工程量,并可减少船闸耗水量。研究成果可为巨型船闸设计及船闸节水研究提供借鉴。     

大型船舶推进轴系扭振特性仿真和试验

基于多体动力学耦合理论结合有限元理论,以1艘大型船舶为研究对象,建立其推进轴系的刚柔耦合多体动力学仿真模型,对大型低转速推进轴系在工作中的扭振特性进行研究。在仿真计算的基础上,利用扭振测试系统对实船的扭振进行测量,并从多个谐次将轴系扭振的仿真计算值与试验测量值进行对比和分析。分析结果表明,通过仿真计算得到的轴系扭转振动变化趋势与实际测量值基本相符,验证了仿真模型的正确性和可行性。同时,通过Adams/Virbration模块分析了船体变形对轴系扭振的影响,证明了船体变形会导致轴系扭转振动增大。     

基于Q学习算法的摘挂列车调车作业计划优化

针对摘挂列车编组调车作业计划编制问题,基于强化学习技术和Q学习算法,提出1种调车作业计划优化方法。在表格调车法的基础上,将调车作业计划分为下落和重组2个部分。通过动作、状态和奖励3要素构建调车作业问题的强化学习模型,以调车机车为智能体,以车组下落的股道编号为动作,以待编车列的下落情况为状态,形成车组挂车、摘车具体条件和车辆重组流程,并依据车组下落的连接状态和车辆重组后产生的总调车程设计奖励函数。改进Q学习算法求解模型,以最小化调车程为目标,建立待编车列与最优调车作业计划之间的映射关系,智能体学习充分后即可求解得到最优的调车作业计划。通过3组算例对比验证本方法效果,结果表明:相较于统筹对口法和排序二叉树法,本方法使用的股道数量更少、调车作业计划更优;相较于分支定界法,本方法可在更短时间内求解质量近似的调车作业计划。因而,本方法有助于提高车站调车作业计划编制的智能化决策水平。     

双闭环控制对Buck类变换器动态响应的影响

Buck类变换器最基本的控制方式包括单电压闭环控制以及电压电流双闭环控制.相较于单电压闭环控制,基于输出电压外环、电感电流内环的双闭环控制方式具有稳态性能好、动态响应速度快、抗干扰能力强等优势.本文从阻抗的角度揭示闭环控制对Buck类变换器动态响应特性的影响机理,并进行了比较分析.最后,通过仿真验证了本文提出的阻抗分析...     

高职类汽车运用技术专业的课程开发

文中探讨和讲述了根据高职教育的教学特点和市场需求,以就业为导向开发汽车运用技术专业的专业课程。     

高速动车组齿轮箱模态分析及优化设计

本文通过对国内典型高速动车组齿轮箱进行有限元仿真和试验测试,对比两种不同结构型式齿轮箱箱体的模态特征,研究分析了整体箱和分体箱对振型模态的影响,针对局部薄弱区域提出优化设计建议并进行验证.     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于改进LSTM-NN的安全性自动驾驶换道轨迹规划模型

为改善现有的自动驾驶换道轨迹规划模型产生的换道轨迹与真实的换道轨迹存在较大偏差的问题,提出了一种改进LSTM-NN的安全敏感性深度学习模型,该模型可以缓解当前自动驾驶轨迹规划存在的不足,输出轨迹既保证了较高的精度又提高了安全性。CarSim仿真软件模拟了本模型产生轨迹的可跟踪性,结果显示轨迹非常平滑,并且自动驾驶车辆可以高效、安全地完成换道。