基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于多尺度卷积类内迁移学习的列车轴承故障诊断

考虑变工况下列车轴承振动数据分布不一致情况下, 传统深度学习诊断模型的泛化能力下降, 提出了一种多尺度卷积类内自适应的深度迁移学习模型; 模型利用改进的ResNet-50网络分析振动数据的频谱, 得到了中间层次特征, 构造了多尺度特征提取器, 从不同尺度处理中间层次特征得到高层次特征; 将高层次特征作为分类器的输入, 同时计算了伪标签以缩短在不同工作条件下收集的振动信号的条件分布距离来进行类内匹配; 为了验证模型的通用性和优越性, 将提出的模型分别用于列车轮对轴承数据集和凯斯西储数据集的多个工况进行试验验证和分析。研究结果表明: 通过对齐不同域中同一类样本的高层次特征作为分类器的输入, 提出的模型获得了更为理想的故障诊断精度; 在列车轴承6个变工况诊断实例中, 平均诊断精度为90.75%, 与传统深度学习模型相比, 模型诊断精度平均提高了约10%, 召回率为0.927;在凯斯西储数据集的12个变工况诊断实例中, 模型平均诊断精度达99.97%, 比传统模型提高约10%。可见, 利用伪标签减小了不同域之间的条件分布差异, 很好地处理了源域和目标域数据分布不一致的问题; 多尺度特征提取器能从不同尺度对齐样本的高层次特征, 增强了模型的泛化性与鲁棒性, 是解决变工况列车轴承故障诊断问题的一种有效模型。      

变速工况下滚动轴承外圈故障振动的模型与仿真

通过轴承整体振动简化模型及对应的振动微分方程,建立了外圈损伤故障滚动轴承在变速工况下的径向整体振动模型,利用Simulink仿真环境建立了相应的仿真模型,将仿真结果与试验结果进行时域、频域对比分析,结果表明了模型的正确性,为非平稳工况下滚动轴承的故障诊断与状态监测提供了理论基础和现实依据.     

应用时间序列对高速路面性能评价指标的预测研究

探讨应用ARMA模型拟合时间序列的方法,并将其应用于路面性能预测,为路面养护管理部门提供决策依据.利用SPSS软件对某高速2001年～2008年的路面性能评价指标PCI的调查数据进行建模,并利用所建模型对2009年PCI进行预测,将预测值与实际值进行比较.ARMA(2,2)模型较好地拟合了既往时间的PCI序列,其对20...     

考虑噪声影响的短时交通流预测模型及验证

为进一步提高交通流预测的精确性，相较于忽略噪声影响的传统预测方法，提出一种基于小波变换的双向长短时记忆神经网络-自回归滑动平均模型的预测模型(WBLA)。WBLA模型首先采用小波变换，将交通流数据分解为特征项及噪声项，在此基础上，对特征项采用双向长短时记忆神经网络(BiLSTM)进行预测，对噪声项采用自回归滑动平均模型(ARMA)进行预测，最后对两项预测结果求和作为最终的预测结果。将未考虑噪声影响的其它基准方法作为对比模型，在美国加州高速公路交通流数据集上进行测试及验证，实验结果表明：WBLA模型同未考虑噪声影响的次好模型相比，MAE、RMSE和MAPE分别下降17.86%、15.98%、16.39%,表明WBLA模型符合实际交通流速度变化趋势，模型合理性得到验证。     

基于混合约束自编码器的机动车工况智能构建方法

为构建更具代表性的机动车行驶工况，实测采集福州地区1辆机动车共20d的真实驾驶数 据，选取14个特征参数表征运动学片段信息，运用主成分分析和K-means聚类划分运动学片段聚类，根据聚类中心的距离筛选备选片段并随机组合构建工况集合。提取11个特征参数计算构建工况的误差，选择集合中误差最小的工况作为构建工况，提出利用混合约束自编码器构建工况优化模型，并研究参数标定方法，最终将平均误差由2.97%缩小到2.39%。混合约束自编码器模型的分析验证结果表明，优化策略符合实际情况，可以有效避免随机选择带来的误差不确定性，验证了所提出行驶工况构建流程的合理性，并提升了工况预测的精确度，得到模型参数推荐值。对实现碳达峰目标下的机动车碳排放预测及排放控制具有重要的现实作用和意义。     

基于ARMA 预测模型的交叉口车辆碰撞风险评估

车辆进入交叉口前的速度时间序列可用于预测车辆进入交叉口后若干步数速度值,利用车速预测值推算冲突方向车辆在交叉口内的行驶位移及其车间距离,可评估车辆发生碰撞的风险.针对交叉口附近车速分布符合随机序列特征,采用自回归滑动平均 (ARMA)理论进行车速时序预测建模,步骤包括时序数据相关性检查、模型p-q 定阶、解析式系数估计、适用性检验.试验结果表明：利用实测车速中的前40 个时序数据建立ARMA 模型,预测出的20 个车速值与实测值贴近,冲突方向两车车速归一化平均绝对误差分别为0.006 56 和0.003 4;利用全部60 个实测数据建立预测模型,检测预测值残差自相关函数发现其绝对值均小于0.258 2,表明所建车速预测方法适用.     

基于Trucksim的弯坡组合路段临界车速确定方法

为探究不同弯坡组合与车辆失稳时临界车速之间的关系,选取6轴铰接列车为实验车型,通过Trucksim软件建立人-车-路耦合系统,进行不同弯坡组合工况下车辆失稳仿真实验.基于最小二乘原则,通过对仿真结果拟合与回归分析,建立了弯坡组合路段临界车速预测模型;并在某特定工况下验证了该模型的合理性.结果表明:该模型预测临界车速与Lusetti模型相近,并且在某特定工况下计算误差最小.该研究为车辆在弯坡路段临界车速预测提供了一种安全、有效的方法参考.     

水面高速无人艇运动极短期预报技术

采用基于时间序列的乘积季节ARIMA(求和自回归移动平均)模型以及无人艇模型规则波试验数据,研究了水面无人艇运动极短期预报技术。采用经趋势差分和季节差分后的ARMA(自回归移动平均)模型,运用最小信息准则和白噪声检验方法,验证所选择的最佳模型,并对无人艇进行了20步极短期运动预报。计算结果表明:无人艇船模加速度、升沉、纵摇的前10步短期预报最大误差均不超过6%,随着预测步数的增加,误差有扩大的趋势,加速度的后10步短期预报最大误差达到16.68%。可见,极短期预报技术有效。     

针对地铁车辆轴箱轴承寿命的二维计算方法

地铁车辆的载荷线路工况复杂多变,而传统轴箱轴承计算方法在计算轴承寿命时仅以定值载荷描述车辆的载荷工况,采用单一的冲击载荷系数修正车辆运行线路工况对轴承寿命的影响,无法反映出轴承使用工况的复杂性,导致计算出的轴承寿命与实际偏差较大。为此,提出了基于车辆载荷工况和线路工况的二维寿命计算方法,将轴承寿命表达为载荷和线路工况及其相应概率的函数,从而确保所得的轴承寿命值与实际值更加接近。根据某地铁线路实际运行工况,利用二维寿命计算方法计算出轴承疲劳寿命为1.596 Mkm,而相比采用传统轴承寿命计算方法计算出轴承疲劳寿命为3.652 Mkm,前者比后者下降了56.3%。     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型（ARMA）的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性．仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性．     

基于AdaBoost算法的重型车辆侧翻预警研究

为有效解决复杂行驶工况下无法准确预测重型车辆侧翻的难题,设计了基于机器学习方法的自适应提升(AdaBoost)算法,实现了复杂行驶工况下重型车辆非绊倒型侧翻判据的实时准确计算.首先建立了基于重型车辆仿真模型与侧翻预警模型;其次,利用AdaBoost学习算法理论,设计了基于单层决策方法构建多个弱分类器的架构并对其进行了模拟训练与加权求和;最后,结合商业软件TruckSim?动力学软件,对比分析了双移线(DLC)与鱼钩(Fishhook)工况下重型车辆侧翻预警失效的侧翻效果.仿真结果表明:所设计的基于AdaBoost算法侧翻预警判据可在复杂行驶工况下有效预测重型车辆侧翻,且对应的测试集正确率比Logistic回归算法预测精度改善24.9％,且模型评估预测 ROC(receiver operation characteristic)曲线面积为0.958.     

基于T-S模糊模型的船舶柴油机动态辨识

考虑到船舶柴油机模型的非线性和负载的不确定性,用T-S(Takagi-Sugeno)模糊辨识方法建立了船舶柴油机的动态模型。采用模糊聚类简化了T-S模糊规则数的确定和前提中隶属度函数参数的生成,用加权最小二乘算法得出辨识结论中的线性参数。对船舶柴油机在稳态运行工况下作小偏差工况扰动实验,得到在油门尺度和负载变化下柴油机转速、涡轮增压器转速等输出数据,利用该数据建立了描述柴油机动态性能的T-S模糊模型。仿真结果表明,利用该算法能有效地辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力等输出在小工况扰动下的变化模型。     

基于灰色关联分析和SOM-RBF神经网络的高速公路交通量预测方法研究

本文选取两段高速公路交通量相关数据作为样本,基于聚类算法改进RBF神经网络对交通量进行预测,考虑影响因素的复杂多样,其中对云南元磨高速普洱段数据建立灰色关联分析,得到选取的特征影响因素的关联度大小,其中普洱市总人口数关联度最小为0.5532。随后引入自组织特征映射神经网络(SOM)构建聚类模型。采用先聚类分析、再分别预测的思路,解决了由于RBF神经网络对于少量样本和训练样本点分散所引起的预测精度降低的问题,改进的神经网络泛化能力有所提高,结果表明:SOM-RBF组合算法对元磨高速交通量进行预测,其相对误差维持在6%以下,平均相对误差为3.81%,预测效果较BP神经网络和RBF神经网络有较大的提升。通过两段高速公路的实例分析,验证了SOM-RBF组合算法有良好的预测效果和适用性,可有效的用于交通量预测,具有较高的实用价值。     

基于ARIMA模型的高速公路交通量短期预测

高速公路交通量的准确预测,对于高速公路的发展和养护具有重要的作用。基于交通量预测的重要意义,建立了ARIMA(2,1,3)时间序列分析模型,采用四川省成渝高速公路公开的交通量数据,对该高速公路四川省内路段2013年的月交通量进行了预测,再与实际交通量数据进行对比,并将其与基于最小二乘法的CurveExpert软件预测结果进行比较,得出ARIMA(2,1,3)模型预测精度更高的结论。所建立的模型可以为交通运输管理部门的政策制定提供参考依据。     

基于时序分析的锈蚀RC拱损伤识别:仿真与验证

针对钢筋锈蚀导致的钢筋混凝土(RC)拱桥结构损伤问题,提出了基于加速度数据时序分析的锈蚀RC拱桥损伤识别方法.首先,考虑钢筋锈蚀等材料劣化因素,建立了钢筋锈蚀与结构刚度退化的映射关系;其次,借助ANSYS软件平台,建立了考虑初始刚度损伤的劣化RC拱肋有限元模型,并与试验数据进行了对比,验证了锈后有损结构有限元仿真的有效性;随后,基于经试验验证后的数值模型,得到了不同损伤工况下的RC拱加速度响应;然后,利用加速度响应建立时序模型,将待识别工况与完好工况的模型残差的方差之比作为损伤特征指标,获取了锈蚀率与损伤特征指标之间的定量关系,给出了针对不同钢筋直径的计算模式;最后,将室内模型试验的实测数据送入所建立的定量关系进行预测,计算结果与实测结果相差2.86％,进一步验证了所提方法的有效性.     

基于SVM-AdaBoost算法的轨道交通列车滚动轴承故障诊断

轨道交通列车走行部滚动轴承是关键且故障多发的部件之一,其工作状态直接影响列车的安全。故研究走行部滚动轴承故障诊断技术对保障列车安全可靠运营有着现实意义。通过设计轴承运行实验,尽可能逼近现场实际工况,采集信号,提取合理故障信号特征;提出一种轴承智能故障辨识算法,实现高精度的故障诊断。结果表明,此两种方法均具有较好的应用价值,能满足轴承故障诊断的技术需求。     

基于聚类和比功率分布的西安城市公交行驶工况研究

车辆行驶工况是评价车辆油耗、排放等各项性能指标的重要测试依据。采集所选西安城市公交线路实际运行数据,以站点强度和线路强度为数据分配依据,建立了西安城市公交线路工况构建的原始数据总样本。采用聚类法将样本数据分为拥堵、一般、通畅这3类,基于比功率分布构建出3类工况,并以3类数据的时间比例构建出西安城市公交行驶综合工况;从比功率分布和特征值两个角度对综合工况进行验证,并将其与ECE工况和CCBC工况进行了对比分析。结果表明:所建综合工况与样本数据的比功率分布误差为0.003 3,特征值平均误差为0.083,均远小于ECE工况和CCBC工况与样本数据的误差,能准确地反映西安市公交车实际运行状况和排放特征。     

滚动轴承外圈局部故障的动态特性及计算机仿真

运用运动学和动力学等理论知识,建立了局部故障滚动轴承系统的振动模型,模型综合考虑轴承径向游隙、载荷分布、几何尺寸、故障脉冲序列、故障点位置等因素对振动特性的影响,以6207轴承外圈局部故障为例,借助计算机仿真技术在Simulink环境下对模型进行动态仿真,仿真结果清晰的表达了故障轴承的振动特性,验证了模型的正确性,为今后滚动轴承的故障诊断与监测提供了理论基础和现实依据。