在设计阶段考虑环境对疲劳的影响是第三代核电站一回路主设备设计的关键技术之一,本文介绍了ASME规范Code Case N-792对轻水堆(LWR)一级承压设备考虑环境影响疲劳时的环境影响疲劳修正系数(Fen)和应变速率ε'的计算方法。建立反应...在设计阶段考虑环境对疲劳的影响是第三代核电站一回路主设备设计的关键技术之一,本文介绍了ASME规范Code Case N-792对轻水堆(LWR)一级承压设备考虑环境影响疲劳时的环境影响疲劳修正系数(Fen)和应变速率ε'的计算方法。建立反应堆压力容器接管的轴对称模型,并根据Code Case N-792的要求对一回路主设备反应堆压力容器接管进行考虑环境影响的疲劳计算,计算时分别采用简化法和详细积分法。对不考虑环境影响的ASME第III卷的疲劳计算结果和Code Case N-792的疲劳计算结果进行对比和探讨。当考虑环境影响后,SCL1截面的疲劳寿命缩短为空气状态下的1/3,SCL2截面的疲劳寿命减少了3/5。展开更多
针对目前基于LWE(Learn With Errors)构造全同态加密方案普遍需要高斯函数抽样、公钥尺寸过大等问题,提出利用高效的LWR(Learning With Rounding)替换传统的LWE,构造基于LWR(Learning With Rounding)的身份基全同态加密方案,对方案的安...针对目前基于LWE(Learn With Errors)构造全同态加密方案普遍需要高斯函数抽样、公钥尺寸过大等问题,提出利用高效的LWR(Learning With Rounding)替换传统的LWE,构造基于LWR(Learning With Rounding)的身份基全同态加密方案,对方案的安全性进行严格证明。LWR问题是LWE问题的变体,消除了LWE问题利用高斯函数抽样生成噪声的过程,具有更高的计算效率以及更小公钥和密文尺寸。展开更多
In this paper,we develop a stochastic LWR model based on the influences of the driver's individual property on his/her perceived density and speed deviation.The numerical results show that the driver's individ...In this paper,we develop a stochastic LWR model based on the influences of the driver's individual property on his/her perceived density and speed deviation.The numerical results show that the driver's individual property has great effects on traffic flow only when the initial density is moderate,i.e.,at this time,oscillating traffic flow will occur and the oscillating phenomena in the traffic system consisting of the conservative and aggressive drivers is more serious than that in the traffic system consisting of the conservative(aggressive) drivers.展开更多
针对目前基于LWE (Learn With Errors)构造的全同态加密方案普遍需要高斯函数抽样以及公钥尺寸过大等问题,本文采用高效的LWR (Learning With Rounding)替换传统的LWE方案,提出了多用户云环境中提供端到端数据保护的基于密钥策略–属性...针对目前基于LWE (Learn With Errors)构造的全同态加密方案普遍需要高斯函数抽样以及公钥尺寸过大等问题,本文采用高效的LWR (Learning With Rounding)替换传统的LWE方案,提出了多用户云环境中提供端到端数据保护的基于密钥策略–属性的全同态加密(LWR-ABFHE)方案。本文提出的LWR-ABFHE方案能够在对加密数据进行细粒度访问的同时执行同态计算,并且在不牺牲同态加密的计算能力情况下,达到在一组授权属性上处理单调访问结构的效果。本文在LWR假设下,证明了LWR-ABFHE方案在选择明文攻击下的安全性。展开更多
文摘在设计阶段考虑环境对疲劳的影响是第三代核电站一回路主设备设计的关键技术之一,本文介绍了ASME规范Code Case N-792对轻水堆(LWR)一级承压设备考虑环境影响疲劳时的环境影响疲劳修正系数(Fen)和应变速率ε'的计算方法。建立反应堆压力容器接管的轴对称模型,并根据Code Case N-792的要求对一回路主设备反应堆压力容器接管进行考虑环境影响的疲劳计算,计算时分别采用简化法和详细积分法。对不考虑环境影响的ASME第III卷的疲劳计算结果和Code Case N-792的疲劳计算结果进行对比和探讨。当考虑环境影响后,SCL1截面的疲劳寿命缩短为空气状态下的1/3,SCL2截面的疲劳寿命减少了3/5。
文摘针对目前基于LWE(Learn With Errors)构造全同态加密方案普遍需要高斯函数抽样、公钥尺寸过大等问题,提出利用高效的LWR(Learning With Rounding)替换传统的LWE,构造基于LWR(Learning With Rounding)的身份基全同态加密方案,对方案的安全性进行严格证明。LWR问题是LWE问题的变体,消除了LWE问题利用高斯函数抽样生成噪声的过程,具有更高的计算效率以及更小公钥和密文尺寸。
基金Supported by the National Natural Science Foundation of China under Grant Nos. 70971007 and 71271016
文摘In this paper,we develop a stochastic LWR model based on the influences of the driver's individual property on his/her perceived density and speed deviation.The numerical results show that the driver's individual property has great effects on traffic flow only when the initial density is moderate,i.e.,at this time,oscillating traffic flow will occur and the oscillating phenomena in the traffic system consisting of the conservative and aggressive drivers is more serious than that in the traffic system consisting of the conservative(aggressive) drivers.
文摘针对目前基于LWE (Learn With Errors)构造的全同态加密方案普遍需要高斯函数抽样以及公钥尺寸过大等问题,本文采用高效的LWR (Learning With Rounding)替换传统的LWE方案,提出了多用户云环境中提供端到端数据保护的基于密钥策略–属性的全同态加密(LWR-ABFHE)方案。本文提出的LWR-ABFHE方案能够在对加密数据进行细粒度访问的同时执行同态计算,并且在不牺牲同态加密的计算能力情况下,达到在一组授权属性上处理单调访问结构的效果。本文在LWR假设下,证明了LWR-ABFHE方案在选择明文攻击下的安全性。
文摘为解决车辆在信号交叉口频繁停走导致高能耗的问题,同时考虑到自动驾驶车(autonomous vehicle,AV)与人工驾驶车(human-driven vehicle,HDV)混合交通的趋势,采用通过自动驾驶车引领人工驾驶车组成混合车队的方式实现信号交叉口处的生态驾驶。在混合车队建模方面,不仅考虑跟驰行为和能量消耗模型,还通过真实车辆轨迹数据进行理论分析,并采用Lighthill,Whitham and Richards(LWR)模型研究排队消散行为,为后续生态驾驶策略设计提供理论基础;研究了前方不同排队情况下目标速度的计算方法,提出了两阶段速度策略,并针对混合车队在同一绿灯时长内不能通过交叉口的情况设计了车队拆分策略。研究结果表明:在前方无排队的情况下,混合车队总能量消耗较自由驾驶模型减少了33.96%,比传统生态驾驶模型多节约了3.33%;在前方有排队且可消散的情况下,未考虑拆分策略的混合车队总能量消耗较自由驾驶模型减少了23.26%,应用拆分策略后总能量消耗的节约比例提高了4.41%;在存在二次排队的情况下,提出的模型相较自由驾驶模型总能量消耗下降了14.55%。研究结果有助于交通管理者根据不同交通状态为混合车队设计更加精准、灵活的动态策略,以降低单位车辆能耗,为实现双碳目标奠定基础。
