BP神经网络在地铁运营安全评价中的应用

依据地铁运营安全评价体系及国家法律法规的要求,对于评价标准在实施过程中遇到的问题作了系统分析。建立了基于BP神经网络的地铁运营安全BP神经网络模型,系统提出了地铁运营安全BP神经网络的评价理论及其案例分析。理论分析和实践表明,BP神经网络模型计算结果合理、精度较高,在地铁运营安全评价中有很好的实用性。     

城市轨道交通中压网络供电分区的划分

以主变电所集中供电的中压网络为基础,从建设、运营经济性、过补偿和继电保护设置配合方面,分析供电分区划分应考虑的问题;网络构成及供电分区的划分位置应考虑与运行交路的结合,最大限度地满足车辆的运行,不因网络局部故障造成全线车辆停运.供电分区的划分在满足规范要求电压损失的前提下,尽可能减少供电分区的数量,以使工程具有较好的经济性.提出在满足继电保护要求等的前提下,线路电压损失要求是中压网络供电分区划分从建设和运营经济性考虑的合理结合点.     

针对自适应巡航的驾驶人风格辨识

车辆进入自适应巡航工况下行驶时,不同风格的驾驶人会对自适应巡航控制系统(Adaptive Cruise Control,ACC)有不同的需求。文章首先通过对不同驾驶人在9种跟随试验下获取的实验数据分析,选取表征驾驶人风格的驾驶特征参数;其次对所有驾驶人驾驶特征参数利用K-mean算法聚类分析,将驾驶人三类,并利用BP神经网络建立辨识模型对驾驶人风格进行辨识。结果表明;文章提出的方法可以较高的准确率对驾驶人风格进行分类,提高自适应巡航系统适应驾驶人的能力。     

浅析几种无人驾驶汽车路径规划算法

路径规划是自动驾驶关键技术之一,各种路径规划算法现已不断改进并不断涌现。本文根据全局和局部路径规划对常用路径规划算法进行分类,对几种常用的路径规划算法原理进行介绍,并分析其发展方向。     

电池SOC估算方法的研究现状

如今,锂离子电池已成为新能源产业和SOC的研究重点。在锂离子电池研究中,电池容量估算和计算是其中的重点研究之一。SOC直接关系到锂离子电池使用的效率和安全性,正确的SOC估算和计算方法不仅可以增加锂离子电池工作的安全性,并延长锂离子电池的使用寿命[1]。相反而言,不合适的SOC估算和计算方法不仅会加速电池的老化,而且会带来电池爆炸和燃烧的危险,危害使用者的生命和财产安全。因此,本文对各种SOC估计和计算方法进行研究,以获得更成熟和广泛使用的电池SOC估计和计算方法。     

基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.     

自主式水下滑翔机关键技术专利扩展分析

为解决目前自主式水下滑翔机的导航技术、水声通信以及组网技术3个分支专利数量较少,存在一定的技术瓶颈和技术壁垒的问题,本文基于自主式水下滑翔机的功能、效果、适用等技术需求,将其研究范围扩展至水下航行器领域,通过对扩展领域中导航技术、水声通信技术以及组网技术的专利申请进行多角度分析,得到了3个分支在扩展领域的专利申请趋势、主要技术来源地、活跃度以及国内主要申请人等结论,以对自主式水下滑翔机的研究进行技术支撑。     

外环运河综合整治工程施工技术研究

随着时代的进步,工程施工技术取得了快速的发展,施工技术的合理性对于施工进度如期完成,方案的经济合理性有着十分重要的影响.运河是现代社会中交通运输网络不可或缺的要素,与公路建设相比,运河工程必须使每个单位更加重视水上作业安全要求.以外环运河综合整治工程为例,通过对该项目从最开始的工况介绍,再到项目的施工方案设计,施工资源量的计算,施工进度的安排,以及施工的保障进行一整套研究,对于该项目的顺利施工能够起到指导作用.其成果可给同类型的运河治理施工提供可行性的参考依据.     

关于济南市城市快速路建设的思考

针对如何处理好济南市新建快速路和既有快速路的系统整合,充分发挥路网效能问题,对济南市快速路网建设进行了梳理,对现状快速路网结构及运行问题进行了分析.在此基础上,提出了快速路网系统改善策略,从快速路网结构优化、现状快速匝道功能完善的角度,阐述了具体优化方案,并对方案效果进行了评估.评估认为,优化方案可基本实现快速路体系规划设想,快速路出入口优化设置后,均能满足规范要求.     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。