终端区空域结构调整对进场交通流的影响

根据终端区空域运行规则, 采用网络理论建立了终端区空域网络模型, 基于终端区航空器微观行为建立了空中交通流跟驰模型和等待模型, 基于NetLogo仿真平台进行了仿真试验, 分析了不同入度分布的空域结构对交通流的影响。仿真结果表明: 当密度小于等于0.075架次·km^-1, 速度大于等于0.04 km·s^-1时, 交通流处于自由相; 当密度为0.075~0.200架次·km-1且速度大于等于0.04 km·s^-1时, 交通流处于畅行相; 当密度大于0.200架次·km^-1, 小于最大密度时, 交通流处于拥塞相; 随着航班波作用的减弱, 交通流进入反向畅行相, 之后进入反向自由相; 当进场交通流分布一定, 入度值依次为2、3、1时, 交通流速度小, 密度大, 拥塞消散最慢, 入度值依次为3、2、1时, 交通流速度大, 密度小, 拥塞消散最快。可知, 增大空域网络上游关键节点的入度, 使进场交通流提前完成汇聚, 有利于交通流快速运行, 增大交通流量; 减小空域网络下游关键节点的入度, 有利于交通流在达到拥塞相后快速完成消散。     

双层集装箱重车重心高度对运行安全性的影响

根据多刚体动力学理论, 运用SIMPACK仿真软件分别建立了一定装载工况和运行工况下双层集装箱车辆的单车动力学仿真模型和四车动力学仿真模型。基于铁路车辆运行安全评价指标及其标准, 将模型仿真结果与双层集装箱列车实际运行试验的结果进行了对比分析, 研究了重车重心高度与运行安全性的关系, 给出了合理的双层集装箱重车重心限制高度。仿真结果表明: 随着双层集装箱重车重心高度的增大, 轮轴横向力、轮重减载率与脱轨系数增大, 最先达到安全限度的是脱轨系数; 在最不利装载工况下, 安全的重车重心高度限值为2 480 mm。     

折返站紧凑折返不成对机车周转图的优化方法

提出了不成对机车周转图的一种铺画方法, 在机车折返站, 运用网络流模型确定出不成对机车周转图上满足最优化要求的基本成对机车周转图方案, 为未获指派的机车就近勾画交路。在基本段所在站, 将附挂回送机车的运行线在该站的运行时刻插入相应的时刻序列, 将基本段所在站不成对机车周转图问题转化为成对机车周转图问题, 利用表上寻优算法求解成对机车周转图交路方案。分析结果表明: 对不成对系数为0.78、两端站机车停留时间标准相同的机车周转图, 计算得到机车在基本段所在站总停留时间与折返段所在站总停留时间之比不小于1.25, 该算法将机车在折返段的额外停留时间最大限度地转移到基本段, 满足了机车在折返站紧凑折返的要求。     

单向复合材料高应变率下材料特性的研究

在船舶领域,复合材料及夹芯复合材料板梁结构已大量应用在舰船结构中,尤其游艇及复合材料高速艇上.在运行过程中,这些结构有时很可能会受到如砰击、碰撞等动态载荷或高速冲击载荷.然而到目前为止,大多数的结构设计所用到的材料特性仍基于低应变率情况下的准静态测试结果.该文研究了高速艇等结构中的纤维增强复合材料高应变率情况下的材料特性,通过引入一种粘弹性模型来模拟并分析研究对象.并在世界先进的INSTRON高应变率材料试验机上设计并完成了相关试验,验证了该枯弹性模型、确定了模型中的材料参数.该粘弹性模型然后被用来研究分析应变率对单向复合材料机械特性的影响.     

基于CFD方法的6500 TEU集装箱船舵空泡腐蚀数值模拟研究

  目的  为深入研究舵空化时的精细流场及其非定常水动力性能的相关规律,  方法  针对某型船的桨、舵模型进行建模,采用结构化网格、SST k-ω湍流模型和流体体积（VOF）方法对舵空泡进行计算。针对舵空泡问题进行实船观测试验,将舵空泡的计算结果与实船舵空泡的观测结果进行对比,验证数值方法的可靠性。对舵空泡的周期性变化进行探讨和分析,并基于空化和非空化2种状态对3种舵角下的舵空泡进行计算。  结果  结果显示,当空化范围较小时,空化对舵力时均值的影响较小,随着空化范围的增加,空化对舵力时均值的影响明显变大,尤其是舵效显著降低;一旦发生空化,舵非定常力的脉动幅值将大幅增加,且空化范围越大,舵非定常力的脉动幅值越大。  结论  研究结果可为评估空化发生后舵的水动力性能及舵的优化设计提供技术支撑。     

协同自适应巡航控制车辆占比对下匝道分流区混合交通流安全性的影响分析

在人工驾驶车辆、自适应巡航控制（ACC）车辆和协同自适应巡航控制（CACC）车辆的行车行为特征分析的基础上,运用跟驰模型和换道模型分别构建人工驾驶车辆、ACC车辆及CACC车辆在下匝道分流区混合交通流仿真环境,解析CACC车辆占比对混合交通流安全性的影响。选取全速度差模型、ACC跟驰模型、CACC跟驰模型分别作为人工驾驶车辆、ACC车辆、CACC车辆的纵向跟驰模型,利用随意换道模型、强制换道模型分别构建下匝道分流主线段、远近端区的横向换道模型。基于碰撞时间（TTC）、暴露碰撞时间（TET）、整合碰撞时间（TIT）等参数构建交通流安全性评价指标。利用MATLAB进行数值模拟,仿真分析不同CACC车辆占比下的混合交通流安全性。结果表明：CACC车辆占比为40%~50%时,混合交通流安全性恶化最严重,TET和TIT分别增加约68%和89%,车辆速度离散系数为0.9以上;通过在下匝道分流区设置远端强制换道区（设置长度≤ 1 000 m）,可有效降低混合交通流的追尾碰撞风险。     

基于利用率和跑道占用时间的军用机场快速出口滑行道位置优化模型

现行快速出口滑行道位置确定模型常以最小跑道占用时间为唯一目标,主要应用对象为民用机场,未能有效解决多机种、多运行模式下的军用机场快速出口滑行道位置确定问题。针对这个缺陷,基于综合利用率和综合跑道占用时间这2个指标,建立了综合考虑双指标的军用机场快速出口滑行道位置优化模型。以某军用机场飞行区构型为背景,以4种飞机为对象,结合该机场2种年架次比,在不同飞机着陆滑跑距离分布概率密度函数基础上,计算了不同位置快速滑行道出口对应的利用率,在此基础上得到了快速出口滑行道综合利用率。针对利用率大于90%的快速出口滑行道,应用贪心算法迭代不同快速出口滑行道的跑道占用时间,并通过加权计算得到综合跑道占用时间。基于综合利用率和综合跑道占用时间,确定出了快速出口滑行道数量和位置,给出了建议的方案,并进一步分析了年架次比改变对快速出口滑行道位置的影响。结果表明：与仅以利用率或最小跑道占用时间为优化目标的2种传统模型相比,应用优化模型提出的快速出口滑行道设计方案,在2种年架次比下使跑道占用时间分别缩短18.42,34.82 s,效率分别提高34.2%,40.6%。     

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力, 提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中, 根据运动目标与道路背景统计特性的差异, 基于贝叶斯概率准则, 提出一个自适应背景更新算法, 检测分离运动车辆目标前景, 采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪, 并对在重庆某交通干道的交通流视频进行检测。试验结果表明: 该方法在常规视频分辨率下能实现实时处理视频, 平均检测准确率为94%, 具有较好的实时性与鲁棒性, 能够实现城市交通环境中各类运动车辆的检测与跟踪。     

快速路入口匝道瓶颈宏观交通流模型

基于入口匝道汇入方式与基本图形态, 提出了一种调整型元胞传输模型; 增加了入口匝道状态变量以追踪入口匝道交通状态, 定义了新的入口匝道汇入规则; 将双通行能力基本图引入到调整型元胞传输模型中, 以适应不同交通状态下通行能力的变化; 将单纯形法与遗传算法相结合, 提出了混合多目标参数优化方法; 建立了3个仿真场景, 评价调整型元胞传输模型与混合多目标参数优化方法的效果。仿真结果表明: 在预测入口匝道上游主线拥堵发生与结束时间方面, 与经典元胞传输模型相比, 调整型元胞传输模型将时间预测准确性分别提升了22.3、10.8 min; 在模拟入口匝道汇入段主线拥堵传播与消散方面, 调整型元胞传输模型模拟结果更加符合实际的传播与消散规律; 在模拟试验路段早发性失效交通特性方面, 调整型元胞传输模型对于拥堵前最大流量与拥堵后消散流量的拟合误差在4%以内, 小于经典元胞传输模型; 在模型仿真精度方面, 调整型元胞传输模型各项评价指标均优于经典元胞传输模型, 前者的仿真速度误差为10.42 km·h^-1, 较后者降低了25.4%;与传统的遗传算法相比, 混合多目标参数优化方法的总计算次数更少, 参数标定过程总耗时缩短了29.3%。