半潜式钻井平台用钢DH36安定行为试验研究

为了给半潜式钻井平台的安全性和寿命评价提供可靠试验依据,在室温下对半潜式钻井平台用钢DH36钢进行了考虑加载波形、加载速率和应力比影响的多工况单轴棘轮安定试验。结果表明:循环硬化速率随循环周次的增加快速下降,在低于某一值的循环应力作用下,应变将最终趋于棘轮饱和状态;正弦应力波比三角波更快地趋于安定,采用较低的加载速率可以加速材料趋向饱和棘轮状态;峰值应力固定不变时,棘轮应变对应力比历史无明显的记忆性;波形和加载速率对饱和棘轮应变的影响有限,饱和棘轮应变随着应力峰值的增加而增大。     

基于 Petri 网的装备临抢修业务流程建模研究*

为了提高装备临抢修业务工作的科学性和准确性,论文利用Petri网建模的优势,将排队系统运用到装备临抢修业务流程建模研究中,利用库所优先级实现对故障装备按重要程度进行优先修理。论文讨论了将排队系统转化为HTCPN模型的建模规则,这种方法既可以给出简单直观的模型顶层结构,又可以根据实际情况对模型进行细化,并有利于对模型进行分析和仿真。最后利用CPN Tools工具对所建立的模型进行了性能分析,验证了模型的实用性和有效性。     

激光焊接夹层板结构设计程序开发

基于U-I型、U-IV型、V-I型、V-IV型4种夹层板结构形式,利用PCL(Patran Command Language)语言对MSC.Patran进行二次开发,设计开发出折叠式夹层板结构设计程序(FEA-LASCOR)。该程序仅需设计者在用户界面简单操作即能够实现夹层板板格快速建模、屈服强度分析、结果处理等功能。验算分析表明FEALASCOR程序具有与传统数值仿真分析一样的精度,并缩短了繁琐的建模工作,显著提高设计分析效率,为夹层板船体结构设计高效、快捷的分析工具。     

基于Simulink的单相矩阵变换器的研究

介绍了矩阵变换器(MC)的优点,在此基础上分析单相矩阵变换器的工作原理、拓扑结构及推导过程,并基于Simulink进行仿真研究.以此来证明这种变换器的优点.通过仿真结果,发现这种交-交变换器具有输出频率连续可调、输出电压波形存在畸变,但在一定范围内连续可调、输入输出电流较接近正弦波等优点,发展前景大,值得进一步研究.     

考虑出行者行为的多重网络拥堵风险传播模型

城市道路交通拥堵风险传播过程受拥堵预警信息、出行者行为特性及居民出行流量分布等诸多因素影响.本文提出包括道路子网、信息子网和出行子网的多重网络模型,应用改进的UAU-SIR(Unaware-Aware-Unaware-Susceptible-Infective-Recovered)模型,探讨多重网络预警信息下的城市道路...     

纤维增强塑料(FRP)混凝土结构疲劳性能研究进展

FRP混凝土结构的疲劳性能是结构非常重要的一个性能,目前国内外对这方面的研究还较少,本文简要从FRP新建结构和FRP加固混凝土结构两方面介绍了国内外对FRP混凝土结构疲劳性能的研究进展,并对今后拟开展的研究工作提出了建议。     

污水管网系统节点流量模拟计算

污水管网系统节点流量模拟计算是城市污水管网系统规划设计和运行管理的基础性工作。该文从污水管网系统规划设计和运行管理两个方面阐述了污水管网系统节点流量模拟计算的内涵,并对该领域的未来发展作了展望。     

考虑驾驶人风格的跟车预警规则研究

为研究驾驶人的跟车特性及探究可适用于不同风格驾驶人的跟车预警规则,为自动驾驶车辆开发可满足不同用户驾驶需求和驾乘体验的主动安全预警系统,选取50名被试驾驶人开展实车试验,采集驾驶人跟车行为表征参数并基于雷达数据确定跟车事件提取规则。选取平均跟车时距和平均制动时距为二维向量,使用基于K-means聚类结果的高斯混合模型将驾驶人聚类为3种风格类型(冒进型、平稳型、保守型)。通过分析3组驾驶人的跟车及制动数据,将不同类型驾驶人的制动时距分位数作为跟车预警阈值,结合实际预警数据及不同制动时距分位数对应的预警正确率,对现有跟车预警规则进行调整,以适应不同类型驾驶人的驾驶需求。研究结果表明:3组驾驶人的平均跟车时距和平均制动时距差异显著,冒进型驾驶人倾向于选择较小的跟车时距和制动时距,保守型驾驶人的跟车时距和制动时距则普遍较大;3组驾驶人的实际跟车预警次数为215次,驾驶人采取制动操作而系统未予以预警的次数为329次,系统整体预警正确率为21.9%,漏警率为87.5%,通过分析信息熵等判定当前预警规则并不合理;将每类驾驶人制动时距的10%分位数作为阈值时的预警效果较好,调整后的跟车预警规则能在一定程度上适应不同的驾驶人类型。     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险,即驾驶风险,通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策,明确由人为因素（即驾驶人个体特征及驾驶行为）所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展,对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发,探究了驾驶风险领域目前的研究现状,并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986~2020年（截至2020年2月29日）间出版的驾驶风险研究相关英文文献,共涵盖8 684位作者及6 018个关键词,基于科学知识图谱对该领域文献进行梳理与分析。结果表明：驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入,重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比,中国在分心驾驶、疲劳驾驶领域的研究相对丰富,而针对酒驾、药驾的研究试验手段较为单一,研究不够全面;在研究对象的选取上,有必要进一步增加老年驾驶人及新手驾驶人的深入研究,包括老年驾驶人适驾性评估与教育培训,以及新手驾驶人驾照分级制度的可行性探索。在研究方法方面,国外常见研究方法包括问卷调查、驾驶模拟器试验、实车试验以及自然驾驶研究等,而中国在自然驾驶研究领域尚未充分开发利用;未来应考虑多种方法相结合并从不同角度促进对驾驶行为及驾驶风险的全面理解。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。