沉降预测的等步长灰色时变参数模型

针对经典灰色系统模型的不足,根据灰色系统理论的信息处理原则,在模型中引入遗忘因子,建立了灰色系统沉降预测的等步长灰色时变参数模型,并在求解过程中引入遗忘因子以修正预测结果.模型充分考虑了预测系统的时变性和灰色性,从而降低对预测系统状态的预测误差.实例预测表明,灰色时变参数模型可以将工后总沉降量的预测误差控制在7.0 %以内.误差检验结果显示,预测结果的精度等级较遗忘因子修正前有显著的提高.     

高填石路堤沉降的灰色优化-马尔柯夫预测模型

高填石路堤的沉降变形包括填石体施工期的沉降变形和工后沉降变形。在灰色理论的基础上,建立高填石路堤沉降的等步长灰色微分方程,采用优化理论,建立误差目标函数,利用最小二乘法,求得微分方程的系统参数,并引入Markov原理,利用一步转移矩阵预测高填石路堤的沉降发展规律。某高填石路堤实测结果分析表明,灰色优化-马尔柯夫模型比常规的GM(1,1)预测模型预测精度有较大的提高。     

优化的非等时距灰色模型在湖南高速公路路基沉降预测中的应用

通过对非等时距原始数据等时距处理和累减构建基于灰色理论的微分模型的方法,成功建立了高速公路高填方路堤沉降的非等时距灰色预测模型.并在此基础上,引入加权因子,优化重构了背景值函数.优化的非等时距灰色模型在沉降监测的实践应用中,预测结果经检验显示,优化的模型效果更佳.     

基于龚帕斯曲线法的高填方路基工后沉降预测新思路

引进一种新的沉降预测方法--龚帕斯曲线法,并同Duncan-Chang非线性有限元反析法及灰色系统理论并引入遗传算法放在同一工程实例中进行各种沉降预测的比较和分析,发现龚帕斯曲线法的沉降预测值最接近于实测值,其预测曲线与实测曲线吻合最好,且其误差也是最小的,绝大部分在1%以内.从而得出龚帕斯模型有更好的适应性,预测结果的离散性小及准确性高等优点,这对高填方路基的工后沉降预测提供了更可靠的方法,可推广应用于实践.     

基于网络基坑沉降预测的马尔可夫修正模型

分析灰色GM(1,1)预测模型存在的理论缺陷,指出灰色GM(1,1)预测模型虽可用于小样本基础数据预测,但对基础沉降一类随机性强、波动性较大的数据拟合质量较差,预测精度降低。因而,提出利用马尔可夫链修正神经网络模型,其计算过程为:首先建立神经网络动态拟合模型作为基础沉降变化的基准线,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,最后通过系统状态划分样本值与模型拟合值之间的残差及中误差等指标分析计算,最终完成基础沉降的准确计算,该模型应用于基础沉降工程实例运算,取得较好效果。     

基于灰色理论的高速公路软基沉降监测数据插补研究

研究了多变量灰色模型——MGM(1,n)模型对软基沉降监测数据进行插补,插补结果基本满足要求。并用常用的灰色模型修正方法对MGM(1,n)模型进行修正,修正结果较未修正前均有了不同程度的改进,数据的拟合和短期预测精度较好,但长期预测结果有待提高。同时采用了相邻监测序列的已知数据对缺失值的预测结果进行进一步修正,这样得到的预测精度有了很大提高,能满足沉降缺失值序列数据插补的要求。     

基于龚帕斯曲线法的高填方路基工后沉降预测新思路

引进一种新的沉降预测方法——龚帕斯曲线法,并同Duncan-Chang非线性有限元反析法及灰色系统理论并引入遗传算法放在同一工程实例中进行各种沉降预测的比较和分析,发现龚帕斯曲线法的沉降预测值最接近于实测值,其预测曲线与实测曲线吻合最好,且其误差也是最小的,绝大部分在1％以内。从而得出龚帕斯模型有更好的适应性,预测结果的离散性小及准确性高等优点,这对高填方路基的工后沉降预测提供了更可靠的方法,可推广应用于实践。     

铁路路基沉降变形组合预测模型优化

由于传统灰色模型在预测波动性较大的数据时精度不高，提出一种改进的动态GM-Poisson-Markov组合预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进，通过原始序列的动态更新实现模型的参数更新，在此基础上与泊松曲线模型建立一种组合预测模型，并利用马尔科夫链进行残差修正，得到改进的动态GM-Poisson-Markov组合预测模型。利用汉巴南铁路路基沉降变形监测数据进行实例分析，将预测结果与泊松、灰色模型、非等间距无偏灰色模型以及组合模型预测结果进行对比分析，结果表明:模型对铁路软土路基沉降变形可取得较好预测效果，提高了预测精度与稳定性。     

基于粒子群改进灰色马尔可夫模型的公路路基沉降自适应预测

针对公路路基沉降具有随机性和复杂性的特征,提出了一种粒子群改进灰色GM(1,1)-马尔可夫模型的路基沉降自适应预测方法。利用马尔可夫模型修正传统灰色GM(1,1)预测模型的残差,并提出粒子群算法来计算最优的马尔科夫链残差模型的白化系数,开发了路基沉降的粒子群灰色马尔科夫链自适应预测模型框架。以某公路路基沉降实测值为例,对比分析了其他两种改进灰色模型方法,结果表明本文算法误差均值仅为1. 48%,比其他两种方法分别降低了64%和29%,且精度等级达到一级。随着公路路基沉降数据量的增加,本文提出的模型预测精度进一步增加,自适应能力强,具有良好的推广性。     

非线性耦合模型在桥梁桩基沉降预测中的应用研究

通过对桥梁桩基的沉降预测,能有效地评价和判断桥梁的稳定性,为现场施工提供一定的指导依据。同时,系统性的预测方法能有效提高预测精度,因此,将灰色模型和BP神经网络进行耦合,建立了桥梁桩基沉降的初步预测模型,再利用马尔科夫链建立误差修正模型,实现桥梁桩基沉降的分阶段预测。该模型发挥了灰色模型“累加生成”灰色序列的优点,增加了沉降数据的规律性,又充分利用了BP神经网络和马尔科夫链的非线性预测能力,具有系统性强、全面性高等优点。同时,利用2个实例进行验证,结果表明实测值和预测值较吻合。其中,实例1平均相对误差为1.37%,实例2的平均相对误差为1.39%,两实例的预测结果差异不大,具有较高的预测精度,验证了所提预测模型的有效性。     

灰色模型在建筑沉降预测中的改进与发展

灰色理论因其优良的灰色信息处理能力被广泛地应用于建筑沉降预测领域。但随着精度要求的提高,对灰色理论进行的改进从没间断过。从原始理论出发,结合近年来灰色预测模型发展的特点和存在的问题,总结了灰色模型在沉降预测中背景值、参数和控制量等方面的改进,分析认为下一步研究的重点将转向灰色模型方法改进,以及对灰色模型进行机理、权值组合方面的运用。     

驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。     

装配式地铁车站预制构件加工质量检验与安装精度预测

为解决装配式地铁车站工程预制构件常因质量检验工作任务繁重且误差较大而造成质量不合格及无法精准安装的问题，将BIM+三维激光扫描技术应用于装配式地铁车站工程预制构件生产质量检验中，通过建立预制构件BIM模型与三维点云模型进行虚拟预拼装，检验加工精度，避免现场安装过程中因构件质量问题而造成浪费。运用灰色预测方法构建GM（1，1）灰色预测模型，预测装配式地铁车站多个预制构件拼装后的累计误差，并以此对虚拟预拼装检验结果进行对比验证。结果表明： 1）本次质量检验的7块构件加工误差均在规范允许范围内； 2）整环累计拼装误差为13.920 mm，其中，C1块与D块间拼装误差达4.150 mm，其他相邻块纵缝间隙均小于3 mm； 3）虚拟预拼装误差检验结果与GM（1，1）模型灰色预测结果拟合较好，最大偏差仅为0.407 mm。     

改进的GM（1，1）模型在变形预测中的应用

研究GM（1,1）模型的理论发现,模型的背景值序列、边值条件和残差的改进能提高模型的模拟预测精度。利用MATLAB软件编制不同背景值和边界条件下的模型优选程序,通过工程实例表明,改进的GM（1,1）模型模拟预测精度较高,适合其在变形预测中应用。     

高速公路上坡路段6轴铰接列车运行速度预测模型

为确保车辆在上坡路段的行驶安全，针对高速公路6轴铰接列车在上坡路段运行速度预测误差大、安全运营管理难的问题，提出了面向上坡路段6轴铰接列车的运行速度预测模型。采用雷达测速仪和AxleLight路侧激光仪采集西南某山区高速公路5处连续上坡路段的6轴铰接列车的交通流数据，并对实际运行速度与现有规范预测模型进行对比分析。以纵坡坡度、纵坡长度、车辆比功率、初始运行速度4个参数为变量，构建上坡路段运行速度预测模型。提出了预测模型误差修正方法，并分析了模型的有效性。结果表明:现有规范运行速度模型对6轴铰接列车运行速度的预测平均误差率达到了25.37%，模型误差较为显著；上坡路段6轴铰接列车的运行速度与坡度、坡长呈负相关，与车辆比功率呈正相关；构建的多元线性回归模型拟合优度R2为0.978，且满足相关检验指标；模型预测速度与实际速度差在2~4 km/h之间、相对误差平均值为8.86%，其结果较规范模型降低了16.51%；考虑交通密度因素修正后，模型预测速度与实际速度差在1 km/h以内、相对误差平均值为1.08%，其结果较未经修正的预测模型降低了7.78%，较规范模型降低了24.29%。由此可见，该速度预测模型对长上坡路段6轴铰接列车运行速度预测的准确性提升明显。      

灰色模型在铁路软基沉降预测中的应用

依托上海至南通铁路DK84+420，DK85+900工点的建设，基于灰色理论，建立GM（1，1）灰色模型，分别采用等时矩和不等时矩观测方式，预测了两工点沉降趋势和最终沉降量。研究结果表明:沉降周期三个月内实测数据与预测数据相比，相对误差为4%左右，证明灰色GM（1，1）模型在软土沉降预测上可行；根据实测资料可构建灰色模型时间相应序列方程，预测出断面总沉降值，检验沉降值及沉降速度是否符合规范；同时可构建沉降预测方程，数值模拟沉降趋势。     

基于优化灰色神经网络模型的内燃机气缸套磨损量预测的研究

气缸套磨损量是衡量汽车发动机寿命的重要因素。针对传统灰色预测模型的缺陷,采用均值修正策略,对样本数据进行预处理,实现灰色预测模型的优化;将灰色预测模型与BP网络相结合,建立了优化灰色神经网络预测模型;实例分析结果表明,优化模型能更精确地预测发动机气缸套的磨损量,为发动机的寿命预测与维修提供了更有效的方法。     

电动汽车锂电池建模及参数辨识方法研究

介绍多种电池模型及其参数辨识算法,综合考虑辨识复杂程度和精度,提出一种利用一阶RC电路模型、遗忘因子最小二乘优化算法、监控平台电池孪生模型的锂电池建模及参数辨识方法,并进行实车应用验证。结果表明,该方法能够使SOC的估计误差保持在3%以内。