高速公路意外事件影响下的车辆跟驰模型

应用智能主体技术,针对双向四车道高速公路意外事件影响下的车辆跟驰行为,建立了基于智能主体的车辆跟驰模型,利用西部高速公路交通调查统计的数据,对车辆主体的间距愿望进行了定量分析,利用比例微分控制确定车辆主体的加速度响应,建立了不同加速度队列的逻辑意图,使模型的加速度响应符合车辆的动力特性。利用开发的EAD-Simulation系统,在特定和随机两种不同过程下对模型进行的测试表明:利用智能主体技术描述高速公路意外事件影响下的跟驰行为,可充分发挥其个性、自治性和自适应性的特点,在主体的属性描述中利用比例微分控制“类阻尼”的特性,可有效地对车辆主体的稳定性进行控制。     

基于串联排队网络的三峡-葛洲坝水利枢纽联合调度模型

为了提高三峡-葛洲坝水利枢纽的整体通过能力,分析了三峡-葛洲坝水利枢纽联合调度的实际需求,建立了三峡-葛洲坝水利枢纽联合调度数学模型,考虑了闸室面积利用率最大、整体待闸时间最小两个目标函数和船舶编排过程中的八个约束,应用串联排队网络理论求解模型。算法将申报船舶按照航向分成四个船舶序列,动态计算每艘船舶的权重,兼顾船舶长度与宽度优先,待闸时间约束、葛洲坝船闸通航条件限制和任务均衡的要求,循环排船,逐步优化。应用结果表明应用该数学模型和编排算法编制一个计划期的两坝五闸计划仅需2 min,编排时间短,葛洲坝2#船闸的闸室面积利用率高于70%,并且客船和旅游观光船均排在前面的闸次中,说明客船的待闸时间约束是满足的,并且在航向上是上下航向交替运行,没有出现倒闸情况,编制的计划满足实际调度需要。     

铁路空车调整优化模型及其蚁群算法

以理论研究为主,通过对空车调整问题的特点分析,明确了空车数量调配和网络配流是空车调整的两个核心问题;在分析已有模型及对问题进行抽象描述的基础上,建立了空车调整协同优化（EWDCO）模型,并设计了相应的蚁群算法。分析发现,共同径路约束与EWDCO模型是不协调的;通过对定理的证明得出,对流约束不会对EWDCO模型的最优解产生影响,模型可以描述为线性整数规划模型,其实质是带容量约束的最小费用流模型。同时,研究表明ACO对求解空车调整问题具有一定的优势,是一种较为有效的算法。     

下承式钢管混凝土系杆拱桥拱肋力学分析

本文采用通用有限元软件建立拱桥结构模型,在尖湖钢管混凝土拱桥施工监控的基础上,对成桥阶段的拱肋进行受力分析计算,并与实际检测数据进行对比,相关性良好。比较结果表明,采用此模型可以基本上模拟钢管混凝土拱桥的实际受力状态,并可为施工监控提供理论支持。     

汽车驾驶人的可靠性分析

交通运输系统是具有关键性人为差错的冗余系统,通过引入人为差错概念,对时间连续工作驾驶人的可靠性进行分析．用经典的可靠度函数方法或马尔可夫方法建立了同样的驾驶人可靠性数学模型,同时提出了驾驶应力（忧虑）的新概念,指出它是影响驾驶工作工效和可靠性的重要因素。     

薄壁墩墩顶拉力简化计算

针对薄壁墩、花瓶墩等结构,提出墩顶带拉杆的Y形墩模型,给出了墩顶拉力的简化计算公式。     

随机风浪下的游艇稳性可靠度计算

建立游艇横摇运动微分方程,利用马尔科夫过程理论和路径积分法进行求解,得到游艇横摇角概率密度函数。借鉴结构可靠性计算方法建立游艇稳性概率计算模型,采用当量正态化法(JC法)求解得到游艇稳性可靠度。实例计算表明:游艇在不同海域下的稳性可靠度存在一定差异,随着外界风浪增大,游艇稳性可靠度呈逐步下降趋势,且都存在一个快速下降的波高区间。该方法能够更科学地评判游艇在不同航行条件下的稳性状况,是游艇稳性横准研究的发展方向之一。     

基于三点模型的柴油机热工参数预测

准确预测热工参数劣化趋势是对柴油机实施预测维修的前提。已有预测技术均视不同时段信息所具有的建模价值相等,忽略了近期信息比远期信息更能反映设备当前运行态势这一客观事实,导致预测模型难以准确描述柴油机热工参数的真实变化规律。针对该问题,提出一种基于三点模型的柴油机热工参数预测方法,并采用新陈代谢法同步更新建模数据,以提高建模数据的利用效率及预测精度。与灰色系统GM(1,1)模型预测精度的对比结果表明,三点模型能够有效处理不同时段信息在反映设备运行态势能力上的差异,得到更为准确的预测结果。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。