磁浮列车悬浮系统LSTM与MGD融合的在线异常检测方法

针对磁浮列车悬浮系统的在线异常检测问题,提出了一种基于长短时记忆(LSTM)神经网络与多元高斯分布(MGD)的检测方法;建立学习悬浮系统正常运行的LSTM时间序列预测模型,得到了正常情况下的预测误差;基于间隙、电流和加速度的预测误差,建立了反映正常情况下预测误差分布特性的MGD模型;以对数概率密度作为检测指标,设计了在线检测逻辑,并以F₁分数作为检测效果衡量指标设置阈值;为了验证所提方法的有效性,利用磁浮列车运营线数据模拟在线数据,采用所提方法对过轨道接缝异常、砸轨异常和加速度信号异常进行了检测与分析。研究结果表明：在检测以上3类异常时,所提方法的F₁分数分别达到了100.00%、97.85%和83.33%,所提方法的检测指标在正常和异常情况下对比明显,可以反映出悬浮系统产生异常到调整好的具体时间段,并且算法平均耗时约2 s;相较于基于超球体高斯分布方法,所提方法检测率平均提高了1.9%,其中对于持续时间短的过轨道接缝异常的检测率提高了9.4%。可见,所提方法可以对悬浮系统状态数据进行异常在线检测。     

船体曲率板感应加热成形工艺研究

在船体曲面板的冷成形过程中,回弹是影响成形精度的主要因素,为提高板条成形质量,需研究回弹预测方法以获得合适的回弹控制方式,进而指导模具设计。

基于全卷积神经网络（FCN）对回弹图片进行像素级计算和回归计算,从而实现对每个成形位置的回弹量预测。首先,利用ABAQUS 2019建立有限元模型,并通过实验结果进行准确性的对比验证;然后,采用验证后的有限元方法计算获取神经网络训练样本集,将板条几何信息作为神经网络的输入,并基于不同卷积层结构采用TensorFlow深度学习框架来搭建全卷积网络模型;最后,对比分析不同神经网络的优劣,并将最优网络应用于模具设计。

算例分析结果显示：FCN模型预测回弹量的最大误差为8.49%,具有较高的准确度,其中FCN32的精度最高;FCN模型可以实现模具形状的一次性设计,计算时间仅为0.5 s,最大误差仅为1.00%,显著提高了计算效率。

全卷积神经网络算法提供了一种快速高效的板条回弹预测方法,以及快速设计模具形状的新思路。

     

船舶阻力图谱计算与模型试验结果比较分析

旨在研究船模阻力预报不确定度的主要影响因素及机理,并提出相应的抑制方法。

在循环水槽中对船长为1.725和3.450 m的KCS船模分别进行船模阻力试验与伴流测量试验,通过对比试验结果总结模型尺度对阻力的影响;开展3.450 m 的KCS船模在无限水域/循环水槽中的数值模拟,通过对比数值结果总结阻塞效应对阻力的影响,验证简化田村公式的修正效果;进行不同湍流强度循环水槽条件下3.450 m KCS船模绕流场的数值模拟,总结湍流强度对阻力的影响。

结果显示,对于小尺度船模,低流速下过低的总阻力值会放大由数据采集、来流不均匀性等因素引入的不确定度;对于大尺度船模,阻塞效应会导致船体下沉、船体表面压力梯度增加和兴波波幅增大,从而引起船模阻力增加;未修正时,循环水槽/无限水域下总阻力计算值R_t的平均偏差为4.56%,经简化田村公式修正后,平均偏差为2.25%;当来流湍流强度由1%增大至2%后,R_t平均增加了3.75%;流场中湍流强度沿流向衰减,且从入口到船首的衰减是线性的。

研究表明,要减小船模阻力预报的不确定度,在船模试验中,模型尺度不宜过小且应降低来流湍流强度并采用简化田村公式修正阻塞效应;在数值预报中,应根据湍流强度的衰减程度设置适当的入口湍流强度。

     

智能超材料的创新特性与应用前景

海洋环境的复杂性以及兵器攻击中强非线性载荷的作用,使得采用常规材料制造的舰船结构难以满足安全性、隐身性、轻量化和舒适性等综合设计指标要求,而超材料凭借其性能的人工可设计性和性能超颖性,成为解决上述工程需求的有效途径之一。总结近10年来超材料在船舶工程中的理论及应用研究现状,围绕船舶抗爆抗冲击、轻量化、承载和减振降噪等几个方面,重点梳理力学超材料和声学超材料的设计方法与应用研究进展。指出船用超材料的大尺度、高效、低成本制造技术是未来船用超材料应用中亟待突破的方向与瓶颈,船用超材料的高承载性、宽频段带隙设计和低频段带隙设计已成为具有潜力的研究热点。     

大跨度轨道交通桥梁扭转变形及其限值

偏载作用下大跨度桥梁主梁易产生较大的扭转变形,这对轨道交通车辆运行的安全性和舒适性是不利的。针对大跨度桥梁扭转变形的特点,明确了大跨度桥梁主梁局部扭曲和整体扭转两种变形形式,并结合相关规范的已有规定和公务部门的管理标准,提出了扭转变形限值的取值标准,并通过车—桥耦合振动分析实例验证了主梁扭转变形的不利影响。研究结论可为设计和管理人员提供参考。     

多重调谐质量阻尼器对简支箱型梁结构低频振动控制的仿真研究

为了研究MTMD(多重调谐质量阻尼器)对简支箱型梁低频振动的控制特性,首先通过对箱梁结构进行模态分析确定受控模态,利用经典扩展定点理论进行TMD(调谐质量阻尼器)的最优参数设计,并基于位移振幅最小化的原则,建立评价函数分别进行MTMD的最优参数设计;进而利用有限元分析软件ANSYS进行谐响应分析,研究了TMD的设置个数...     

混合动力发动机在线扭矩估算算法研究

为了满足混合动力发动机扭矩管理控制策略的需要,建立了基于平均值模型和A/N—Te模型的发动机在线扭矩估算算法。在试验过程中,针对进气歧管压力响应滞后于节气门快速变化的问题,提出了预估算进气歧管压力估计进气流量的方法,消除了进气歧管内压力滞后的影响,完善了原始算法。通过台架试验得到发动机输出扭矩实测值,将实测扭矩与估算扭矩相比较,验证了算法的准确性。     

城市云道的人致振动舒适度分析

综合对比了国内外规范对于人行桥通行舒适度的规定,并以某城市云道工程人行桥为研究背景,利用大型通用有限元分析软件Midas/Civil建立背景工程的有限元模型,计算了其在人群荷载激励下的加速度响应,最后参考德国人行桥设计规范中的舒适度评价方法对该人行桥进行舒适度评价,并提出了相关建议.     

轮胎临界速度影响因素分析

分析了轮胎临界速度的影响因素, 在合理假设的基础上, 根据振动理论建立了轮胎使用的力学模型, 得出轮胎变形恢复时间与其有效质量之间的关系。结果发现影响轮胎临界速度的使用因素包括负荷、充气压力、径向变形和胎面磨损量, 载荷一定时, 提高轮胎充气压力, 充气压力一定时, 减轻载荷都有利于提高轮胎使用的临界速度。分析结果与轮胎的实际应用情况相符, 说明该模型可行。     

Analysis of air traffic control operational impact on aircraft vertical profiles supported by machine learning

The Air Traffic Management system is under a paradigm shift led by NextGen and SESAR. The new trajectory-based Concept of Operations is supported by performance-based trajectory predictors as major enablers. Currently, the performance of ground-based trajectory predictors is affected by diverse factors such as weather, lack of integration of operational information or aircraft performance uncertainty.Trajectory predictors could be enhanced by learning from historical data. Nowadays, data from the Air Traffic Management system may be exploited to understand to what extent Air Traffic Control actions impact on the vertical profile of flight trajectories.This paper analyses the impact of diverse operational factors on the vertical profile of flight trajectories. Firstly, Multilevel Linear Models are adopted to conduct a prior identification of these factors. Then, the information is exploited by trajectory predictors, where two types are used: point-mass trajectory predictors enhanced by learning the thrust law depending on those factors; and trajectory predictors based on Artificial Neural Networks.Air Traffic Control vertical operational procedures do not constitute a main factor impacting on the vertical profile of flight trajectories, once the top of descent is established. Additionally, airspace flows and the flight level at the trajectory top of descent are relevant features to be considered when learning from historical data, enhancing the overall performance of the trajectory predictors for the descent phase.