大跨径箱形轨道梁在港口工程中的设计与应用

大跨径预应力后张法箱形轨道梁在港口工程中的应用已呈发展趋势,但港口工程规范对其设计要求尚未做出详细规定,且目前对这种结构的计算研究仍然较少。结合工程实例,利用有限元软件对大跨径预应力箱形轨道梁进行力学数值模拟分析研究,并考虑竖向非线性梯度温度效应对轨道梁内力的影响。该方法能较全面、准确地反映构件各个部分的应力和位移分布情况,验算结果可靠。     

基于深度强化学习的协同式自适应巡航控制

针对传统的协同式自适应巡航控制的算法响应慢、无法快速准确地对突发危险路况做出反应的问题,设计了基于深度强化学习的协同式自适应巡航控制框架,提出了双经验池和优化评价的深度确定性策略梯度算法.在传统算法基础上新建了2个包含车辆状态信息的经验池(优先价值经验池和撒普列经验池),训练数据样本分别从2个经验池按比例选取;critic评价模块采用多维向量对输出的踏板开度策略精确评价.结果表明,该算法在正常行驶工况和突发危险工况下:平均跟车间距误差分别下降1.8 m和1.5 m,跟车调节时间分别降低30%和25%,可以提升控制的准确性和系统紧急反应能力.      

轴压-扭矩耦合载荷下功能梯度圆柱壳屈曲问题的辛方法

为了对功能梯度圆柱壳在轴压-扭矩耦合载荷作用下的屈曲问题进行研究,基于Donnell薄壳理论,建立了屈曲问题的哈密顿求解体系,将问题从传统的欧几里得空间表述转变为辛对偶空间表述。采用分离变量法求解哈密顿正则方程,将原问题的求解归结为求解辛空间下的本征值和本征解,从而获得解析的临界载荷和屈曲模态。数值算例中通过与有限元结果对比,验证了该方法的准确性,并分析了载荷比例、尺寸参数、材料参数以及轴压/扭矩等关键参数对临界载荷和屈曲模态的影响。     

梯度Hough变换在圆检测中的应用

介绍了一种有效的利用图像梯度信息的Hough变换方法——梯度Hough变换(GHT).详细讨论了梯度的求取、GHT的详细算法,讨论了GHT算法和直接累加Hough变换算法的区别及改进之处.     

桥面铺装隔温体系及其温度梯度模式研究

研究目的:针对现有桥梁设计中普遍将温度梯度作为设计荷载来设计主梁结构,从而造成建设成本增加且无法从根本上解决不利温度效应的现状,本文提出一种解决此类问题的桥面铺装隔温体系,即在桥面铺装内设置一层或多层陶粒混凝土,使得梁体与外界的热量交换得到有效阻隔,进而显著减小其竖向梯度温度效应.研究结论:(1)针对近年来公路桥规温度...     

混凝土薄壁箱梁横向温度应力分析

基于能量变分法原理对混凝土薄壁箱梁桥在梯度温度作用下的箱梁横向效应进行分析,并推导了一般公式.计算结果表明在指数函数形式的梯度温度作用下,本文方法计算得到的横向拉应力值与ANSYS计算值相当,而常规方法的计算值要小于本文方法.此外还对箱梁各截面尺寸变化对其顶板下缘横向温度应力的影响进行分析,从中可以看出,箱梁梁高的变化对其横向应力的影响较大.     

破片撞击下复合夹层板梯度泡沫铝夹芯吸能性能研究

为了掌握复合夹层板的梯度泡沫铝夹芯在受到高速弹片冲击时,梯度大小、方向对梯度泡沫铝芯层变形模式、吸能性能的影响,本文采用Abaqus建立梯度参数γ分别为-2.1,-1.5,0,1.5,2.1的二维Voronoi梯度泡沫铝有限元模型,梯度参数的设置考虑了梯度大小、方向的影响,冲击过程采用指数衰减速度冲击方法,研究冲击过程中不同模型的变形特征、动能以及内能的变化。研究结果表明,梯度泡沫铝靠近冲击端的上半部分贡献了应变的60%以上,该区域局部密度越大,梯度泡沫铝的能量吸收能力就越强。由于负梯度泡沫铝靠近冲击端区域密度最大,因而其吸收的内能高于均匀随机泡沫铝和正梯度泡沫铝,并且梯度大小|γ|越大,负梯度泡沫铝的吸能优势越明显。因此,将负梯度泡沫铝填充到船体夹层板中,可以提高船体夹层板的抗冲击性能。     

基于深度强化学习的高速公路换道跟踪控制模型

为解决自动驾驶汽车在高速公路安全换道问题,提出了一种基于深度强化学习算法的换道跟踪控制模型,并进行了仿真实验。采用五次多项式方法,建立车辆换道路径模型,并给出跟踪误差函数;将车辆三自由度动力学模型与深度强化学习框架相融合,搭建换道路径跟踪控制模型;通过深度确定性策略梯度（DDPG）算法来更新该模型;学习得到换道路径跟踪的最佳转向角,来控制车辆完成换道过程。结果表明：在100 km/h车速条件下,本方法控制的横向位置误差绝对值的最大值接近0,角偏差绝对值最大值为10 mrad;所提出的方法相比传统的模型预测控制方法而言,轨迹跟踪的横向位置误差和角误差更小。因而,该模型能够实现高速环境下的自主换道过程,这对保证交通安全和缓解交通有意义。     

基于DRL的四轮独立驱动电动车辆的侧向车速估计

为精确估计车辆行驶状态,提出了一种四轮独立驱动电动车辆侧向车速估计方法。基于深度强化学习(DRL)范式,设计了侧向车速估计方法的架构;基于深度确定性策略梯度(DDPG)算法,设计了DRL智能体;采用循环神经网络,搭建了DDPG算法中的Actor网络和Critic网络。基于设计的奖励函数和训练场景,借助Matlab/Simulink软件,完成了算法的实现和训练;并通过在车辆双车道变换等实际行驶工况的仿真,进行了验证。结果表明：在经过了630次的学习训练之后,与扩展Kalman滤波方法相比,本文方法的估计精度提升40%。因而,本文方法能够在常用行驶工况中对车辆侧向车速进行估计。