板屈曲对船体骨材侧倾的影响

本文研究分析船体骨材的侧倾屈曲问题，分析中考虑了板屈曲对骨材侧倾的影响。在计算板屈曲时，采用了更加接近实际边界条件的变形挠曲函数，使得计算结果更为合理。从计算结果看，板屈曲采用更为接近实际的板的屈曲后，骨材的侧倾临界应力显著提高。     

粘弹性地基上考虑耦合效应四边自由矩形薄板的非线性自由振动分析

基于Hamilton能量变分原理和薄板的基本假设,考虑地基阻尼的影响,建立了双参数粘弹性地基上考虑耦合效应的四边自由矩形薄板的非线性自由振动方程以及板域外的控制方程.应用瑞利-里兹法及循环迭代对方程进行求解,探讨了地基阻尼、地基弹性模量以及板的结构参数对双参数粘弹性地基上四边自由矩形薄板的非线性自由振动特性的影响,得出了双参数粘弹性地基两典型参数随时间的变化关系.     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

无接触网供电车辆电磁-热场耦合计算

无接触网供电技术在城市轨道交通中的应用受到越来越广泛的关注,大功率无接触电能传输的实际应用还有许多问题需要论证,其中电磁感应导致的涡流发热问题引起人们的普遍重视.依据电磁感应原理和传热学,建立无接触网供电车辆感应加热模型,采用有限元法计算无接触网供电车辆热场分布,对不同载荷工况下的车辆的发热情况进行数值仿真,并对采用散热器和风冷两种散热方式的接收线圈的散热性能进行对比研究.研究结果表明:接收线圈和转向架温度升高明显;随着发射线圈电流增加以及气隙距离的减小,车辆各个部位的温度都有上升趋势;装有散热器的接收线圈最高温度比不含散热器时降低了126.0℃,通过改变散热器的传热系数能进一步提高散热器的散热性能;采用风冷散热方式接收线圈温度降低了131.2℃,与散热器相比,风冷的散热性能略好,且随着风速增加风冷效果更加突出.     

用杂交应力模型构造的裂尖平面奇性元

应用杂交变分原理及参数平面映射的方法构造了一个杂交奇性三角元的模式。由于应用了杂交模型，因此在单元构造上比协调模型更容易满足裂纹尖端应力场的奇异性质，文中对有对称边裂纹的拉伸平板进行了应力强度因子的计算。结果表明，此方法具有单元剖分灵活，程序实现方便，以及收敛性好的计算精确度高等优点。     

长周期波浪对潜堤-弧板式防波堤作用的水动力特性研究*

鉴于长周期波浪条件下海洋防护结构物的消浪效果不理想,本文提出一种潜堤—弧板式防波堤结构。基于开源流体力学平台OpenFOAM,采用连续方程和雷诺平均斯托克斯方程作为流体控制方程,建立波浪与潜堤-弧板式防波堤结构相互作用的数值模型。采用试验结果验证的数值模型,分析弧板宽度、潜深对潜堤-弧板式防波堤消浪性能的影响,并探讨潜堤-弧板式防波堤弧板上下表面所受波浪压力的分布特性。结果表明：在设定的波浪周期范围内,潜堤-弧板式防波堤的透射系数随潜深和弧板宽度的增大而减小;其反射系数随潜深和板宽的增大而增大。潜堤-弧板式防波堤弧板下表面的正负压力值关于横轴近似对称,上表面不同测点之间的正负压力值存在显著差异。研究结果可为工程应用提供一定的理论与技术指导。     

汉江兴隆—蔡甸段2000吨级航道整治工程设计最低通航水位分析

随着兴隆枢纽蓄水运用后,枢纽下游河段的河床发生沿程冲刷,同流量下水位产生不同程度的下降。为确定汉江兴隆—蔡甸段2 000吨级航道整治工程设计最低通航水位,采用综合历时曲线法计算航道设计通航流量,通过近期水位-流量关系、枯水期水面比降等确定航道设计最低通航水位。结合通航水位的变化趋势,提出后期根据冲淤变化调整后的地形、设计流量、水位-流量关系等对设计最低通航水位进行实时复核调整,以确保水位下降后设计水位的合理性。     

玻璃准静态破坏现象隐式和显式组合仿真研究

玻璃准静态破坏的研究对汽车风挡玻璃设计及制造、保护司乘人员安全等具有重要意义.目前在玻璃准静态仿真研究中,尚未涉及玻璃破坏过程.提出有限元隐式和显式组合分析方法,以充分利用两种方法在加载阶段和破坏阶段仿真计算各自的优势,实现高效率的玻璃准静态破坏现象仿真分析.使用基于ABAQUS软件的组合分析方法,仿真分析玻璃同轴双环...     

基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.