基于无人机的高层住宅最后“一百米”配送优化

针对城市高层住宅顾客对上门配送服务的需求，借助无人机停放平台，考虑包裹异质性以及无人机在不同配送阶段的精确能耗，构建以无人机飞行成本和能耗成本最小为目标，以无人机容量、电池组容量等为约束的高层住宅无人机上门配送模型，解决“垂直位置最后一百米配送”问题。基于此模型，设计带变邻域下降(VND)搜索的混合蚁群算法(HACO-VND)，引入4个算子进行变邻域下降搜索，为了提高算法的求解性能，提出两种局部搜索算子组合，根据顾客点数量使用不同的算子组合。实验结果表明，HACO-VND算法较CPLEX在求解精度与求解时间方面更优，特别是在大中型算例中表现出较佳性能。参数分析表明，高层住宅楼层数越多，无人机单次 飞行的能耗利用率越大，无人机容量与电池组容量共同对配送方案产生影响。为以后无人机送货上门服务方面的研究提供参考和思路。     

西非铝矾土进口海运供应链风险评估

在分析从西非到我国终端客户的铝钒土进口海运供应链(Bauxit Import Maritime Supply Chain,BIMSC)内部和外部影响因素的基础上,采用故障模式与影响分析(Failure Mode and Effects Analysis,FMEA)和模糊贝叶斯网络(Fuzzy Bayesian Network,FBN)相结合的方法,建立BIMSC风险评估方法的概念框架。采用FMEA辨识潜在的失效模式,并剖析失效原因和后果;根据失效模式潜在的因果关系建立贝叶斯网络;利用三角模糊数处理表征风险参数的不确定性,评估BIMSC风险水平,并进行敏感性分析,确定风险因子排序。研究结果表明,港口操作中的违规操作、违规指挥、货物易流态化和安全管理问题是主要的风险因素。     

单折线体外索对简支钢梁自振频率的影响

结构的自振特性关系到结构的健康安全,预应力系统作用到结构上会影响结构的自振频率.为考察体外预应力索系统对简支钢梁自振频率的影响,基于预应力系统作用机理并采用能量法建立了单折线布索型预应力钢梁的动力方程,求解此方程得到自振频率的计算公式,用此公式对一典型单折线索钢梁的一阶频率进行了计算,并与有限元模拟结果进行对比.结果表明:公式计算结果与有限元模拟结果基本一致,可用于工程设计.在此基础上,还得到了索预拉力、偏心距和截面积对梁自振频率的影响规律,为调节单折线布索型预应力钢梁的自振频率提供了理论依据.     

基于严格等式约束的推力分配算法研究

为提高动力定位系统的定位精度,本文提出了一种满足严格等式约束的改进遗传算法对推力分配进行优化.该方法通过分析目标函数中不同项之间的影响,确定了推力角的权值系数,并从二个方面对遗传算法进行改进,提高了优化速度及精度:一是继承上一时刻的精英个体来生成等距初始种群;二是结合自适应算法加强局部搜索能力.针对推进器之间的水动力干涉问题,基于推力损失模型对推进器进行分组,并通过错位安置以及采用在推力禁区内设置推力减额系数的方法来降低推力损失,最后利用改进的遗传算法对半潜式平台动力定位系统的推力分配进行了仿真模拟.仿真结果表明,提出的方法在满足等式严格约束的基础上,降低了推进器推力的水动力损失,进而提高了系统的定位精度以及运行的经济性.     

中长运距城际旅客出行方式选择行为模型 ——以高铁、民航为例

针对中长距离城际旅客对高铁,民航,空铁联运与民航中转等出行方式的选择行为.应用意向调查(SP)方法选择3个典型OD开展客流调查,构建多项式logit(mnl)模型与混合logit(ml)模型拟合数据,分析影响旅客选择行为的关键因素,说明旅客选择行为的异质特征.研究结果表明:相比MN L模型,ML模型显著提升了模型预测能力,更好描述了旅客选择行为的异质性,更适于出行方式选择行为建模;行程前时间,在途时间,中转时间是影响旅客选择的主要因素;出行目的,公费出行等对出行方式选择也有重要影响;在1400～2000 km运距范围,减少中转时间可以有效提高空铁联运与民航中转出行方式市场分担率;1400 km运距范围内,如果中转时间在1.5 h以内,则民航中转与空铁联运2类出行方式的替代特征明显,2000 km运距范围民航中转市场分担率显著高于空铁联运.     

绿色新能源助力城市水上会客厅--上海苏州河新能源游船交付运行

近日,上海苏州河新能源游船项目顺利完成首船交付,并完成试运行工作。该船由中国船舶集团有限公司第七〇四研究所(简称“七〇四所”)提供电池动力系统。“梦清”号是七〇四所参与研制的苏州河游览工程的第一批新能源观光船之一。这艘现代化的观光船外型潮流,内饰优雅,整船时尚、科技,采用全景式设计,游客可零距离感触苏州河水的灵性。     

对转桨水动力性能实时预报方法

为了实现对转桨水动力性能实时预报，基于BP神经网络构建对转桨水动力性能预报模型。首先，采用低阶速度势边界元法建立对转桨水动力性能预报模型，通过调整来流速度和前后桨转速开展对转桨水动力性能多工况计算，从而获得构建神经网络所需的样本空间。建立适用于对转桨水动力性能预报的神经网络架构，通过训练使其具备良好的泛化能力。以某组对转桨为研究对象开展水动力性能实时预报方法研究，结果表明，采用BP神经网络预报模型可获得与边界元法精度相当的预报结果，但该模型与边界元法相比计算所耗时间可以忽略不计，可有效实现对转桨水动力性能实时、快速预报。