内河船舶波浪载荷研究

利用内河波浪散布图和修订波浪谱对内河系列船舶进行了波浪载荷的计算预报,首次分析了内河船舶波浪载荷的规律和特点,并与俄罗斯内河登记局(RRR)和法国-德国船级社(B-G)的内河规范载荷对应的等效模数要求进行了比较分析。结合实船测试结果表明：波浪载荷变化规律与国外同类规范一致,预报波浪载荷水平与测试结果及国外同类规范要求相当。内河船舶波浪载荷预报应考虑航速和水深的影响,载荷预报结果可以作为制定内河波浪载荷公式的基础。     

大深度浮力驱动式水下运载器的浮潜运动研究

基于模型试验,对大深度浮力驱动式水下运载器的上浮运动进行研究与分析,基于数值仿真,提出大深度浮力驱动式水下运载器浮潜运动的快速预报方法,并将预报结果与模型试验结果进行对比,证明快速预报方法的准确性。使用快速预报方法,针对水下运载器比重变化、流体密度变化、水下运载器初速度以及水流扰动4种因素对浮潜运动的影响进行研究.此外,对水下运载器作六自由度运动时所受的水动力进行计算,为后续的六自由度运动预报和研究提供基础。     

考虑残余应力效应的深潜器耐压壳体疲劳研究

本文考虑焊接残余应力的影响,给出包含裂纹萌生和裂纹扩展全过程的载人深潜器耐压球壳疲劳寿命预报方法,分别基于局部应力-应变法和能计及负应力比效应的裂纹扩展单一曲线模型预报了耐压球壳的工艺疲劳寿命和使用疲劳寿命,研究焊接残余应力大小对球壳疲劳寿命的影响。结果表明,忽略拉伸残余应力的影响将导致疲劳寿命预测结果偏于危险;耐压球壳整体受压时,拉伸残余应力使得球壳局部区域承受拉-压循环载荷,计算使用疲劳寿命过程中须考虑其影响;降低拉伸残余应力可有效提高耐压球壳的疲劳寿命。     

钛合金疲劳小裂纹扩展行为预报方法研究

针对小裂纹扩展阶段裂纹尖端塑性区域尺寸相对于小裂纹长度是不可忽略的问题,在考虑小裂纹效应裂纹扩展速率修正模型基础上,对该模型中裂纹尺寸进行修正,即裂纹长度等于真实裂纹长度加上平面应变状态下裂纹尖端塑性区域一半;并利用修正后的模型对钛合金材料不同情况下疲劳小裂纹扩展速率和寿命进行预报,同时将预报结果与试验值比较.结果表明:修正后的预报模型对小裂纹扩展速率和寿命均有很好的预报效果.     

海上风机支撑结构的时域和频域疲劳对比研究

对海上风机支撑结构进行动力响应分析,求出结构危险节点的载荷谱和功率谱密度函数,结合疲劳损伤模型和Dirlik概率模型,分别在时域和频域内对支撑结构进行疲劳寿命分析.由于时域法计算疲劳寿命需进行应力循环计数,这一过程需处理的数据庞大,耗时长.频域法省去应力循环计数,代之以概率密度函数,可相对准确、快速地计算结构的疲劳寿命.分析结果表明,采用Dirlik概率模型的频域分析法能较准确地反映海上风机支撑结构在随机载荷作用下的疲劳损伤情况,计算结果误差在可接受范围内.     

城市交叉口交通流特征与短时预测模型

时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求,通过对广州市中心区交叉路口交通流长期观察和数据采集,分析了各种时间尺度的交通流特性,提出以路口信号周期作为时间尺度,绿灯流率作为变量的ARIMA(p,d,q)短时交通预测模型。以1个和3个信号周期的时间尺度为例,对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA(p,d,q)预测模型结构稳定,算法简单,时间尺度为3个信号周期的预测模型可以很好地保持交通流特征,均方根误差为0.015 9,预测精度较高。     

影响人寿保险发展的因素与对策分析

分析了影响和制约我国寿险发展的经济因素、契约保全因素和理赔风险管理因素,提出了促进寿险健康发展的对策与措施.     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.     

海洋平台KK型管节点的疲劳性能试验研究

以某自升式海洋平台为研究对象,进行了空间KK型管节点在轴力作用下的疲劳性能的试验研究.通过对管节点模型的试验测试,得到了KK节点在轴力作用下沿着焊缝周围的热应力区内的热点应力分布及节点的应力集中系数,并采用S-N曲线法对KK型管节点的疲劳寿命进行估算.通过对比分析,指出了试验方法与规范计算方法在管节点疲劳性能分析上的差异性.     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.