提高角焊缝超声波探伤二次波扫查缺陷识别率的研究

分析了角焊缝超声波探伤二次波遇到的缺陷容易漏检的原因,提出了解决问题的措施,有效提高二次波发现缺陷的准确率。     

交流电力机车网侧变流系统实时仿真

以HXD1型机车为原型,在Matlab/Simulink仿真环境下,构建由变压器模型、四象限变流器开关函数模型以及中间直流回路模型,形成网侧变流系统实时仿真模型。采用dSPACE硬件实现了四象限变流器控制程序和网侧变流系统的闭环实时仿真,最后将实时仿真结果与试验数据对比,验证了模型的准确性。     

高精度全站仪在涟水特大桥二等跨河水准中的应用分析

结合长昆客运专线涟水特大桥二等跨江水准测量项目,论述了全站仪对向观测实现二等跨河水准测量的方法原理,分析了高精度全站仪的主要误差来源及消除误差的措施。     

一种改进的二电平IGBT变频器损耗计算方法

功率器件的导通和开关特性对温度较为敏感,计算损耗时应综合考虑结温和散热条件因素。文章通过Matlab循环调用功率器件损耗计算程序和ANSYS温度场计算程序,以实现二电平变频器损耗的精确计算。该方法可为功率器件损耗的准确计算和散热器的优化设计提供依据。     

盾构法与浅埋暗挖法结合建造地铁车站站厅隧道二衬施作时机的研究

采用盾构法与浅埋暗挖法结合建造地铁车站时,站厅隧道二衬施作时机有横通道开挖之前和之后2种方案。以北京地铁10号线三元桥站为例,采用FLAC3D有限差分软件,对2种方案进行三维数值模拟,从地表沉降和隧道结构内力两方面进行对比分析。结果表明:在6个施工阶段,方案1的最大地表沉降均比方案2的显著减小,方案1的最终地表沉降为48mm,仅为方案2的最终地表沉降(166mm)的29%,而且站厅隧道初支内力和需要的配筋量均小于方案2。因此,在车站施工过程中,站厅隧道二衬应在横通道开挖之前施作。     

基于径向基函数响应面方法的大跨度斜拉桥有限元模型修正

采用ANSYS有限元软件建立某大跨度斜拉桥试验室物理模型的三维有限元模型.基于灵敏度分析,选取模型待修正参数和用于模型修正的特征量.采用实验设计方法生成数样本,通过有限元分析提取对应的特征量信息,进而建立待修正参数与特征量关系的径向基函数响应面模型.通过对响应面模型的拟合误差分析,确定径向基函数的最优形状参数.以斜拉桥自振频率和静态索力构建目标函数.基于建立的响应面模型,采用遗传优化算法进行有限元模型修正.结果表明,采用径向基函数响应面模型拟合斜拉桥设计参数与特征量之间的隐式关系有较高的精度;基于仿真数据的模型修正有较高的精度,基于试验数据的模型修正能得到合理的结果,该方法可有效地修正复杂桥梁结构有限元模型.     

地铁列车运行引起建筑物二次辐射噪声执行标准探讨

分析我国城市轨道交通环境影响评价中,关于列车运行引起的建筑物二次辐射噪声参考标准的适宜性,并根据二次辐射噪声原理和定义,探讨了城市轨道交通列车运行引起的建筑物二次辐射噪声宜执行的相关标准及评价量。     

半潜式平台波浪砰击测试方法与载荷特性研究

本文采用模型试验的方法对半潜式钻井平台受到的水平波浪砰击载荷进行了研究.为了克服模型结构动力响应的影响,试验时设计了专用的测量单元用于监测波浪砰击载荷,并采用小波分析的方法对砰击载荷试验数据进行降噪处理.试验结果表明:半潜式平台水平波浪砰击载荷的发生频率和砰击冲量随有义波高的增加而增加,但砰击载荷幅值则体现了显著的非线性和随机性特征,砰击载荷冲量的随机性和发散性则相对较小;平台立柱与箱型甲板连接处的砰击载荷较大,大多数海况下后立柱砰击频率和砰击载荷幅值比前立柱更高.     

基于模糊集合理论的船舶碰撞危险度模型

为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。