高速列车曲线通过迭代学习半主动控制研究

高速列车通过曲线时,车辆动力学性能恶化。为改善高速列车通过不同曲线的动力学性能,研究了抗蛇形减振器半主动控制对高速列车曲线通过时动力学性能的影响。根据列车运行具有重复性等特点,结合大数据,设计了PD型迭代学习控制算法,并进行控制算法和多体动力学软件的半主动控制仿真,将结果与无控制的仿真结果进行对比。结果显示:经过10次迭代控制后,列车过曲线时的平稳性指标、脱轨系数、轮重减载率、轮轨横向力指标都有所改善。     

白盒测试中指定路径测试用例的自动生成

单元测试阶段结构覆盖测试往往要求语句覆盖率和分支覆盖率均达到100％。然而对于含有复杂控制算法的程序，人工编写测试用例较为复杂，很难达到100％。的覆盖率。利用迭代松弛法作为核心算法实现了结构覆盖测试用例的自动生成。文章首先简单介绍了迭代松弛法的思想及具体实施步骤，然后给出了系统的实现方法，最后对于该方法的扩展应用进行了展望。     

Convergence of Iterative Sequence with Mixed Errors for Uniformly Quasi-Lipschitzian Mappings

Introduction In1973,PetryshynandWilliamson[1]proveda sufficientandnecessaryconditionforPicarditerative sequencesandManniterativesequencestoconvergeto fixedpointsforquasi nonexpansivemappings.In1977,GhoshandDebnath[2]extendedtheresultof Ref.[1]andgavethesu…     

基于自适应迭代阈值的声呐图像增强算法

水下声呐成像探测技术日益成为各国普遍重视的技术。声呐图像具有对比度低、成像质量差的特点，对声呐图像进行增强处理是进行声呐图像判读和提高视觉效果的基础之一。针对声呐图像增强算法研究较少等问题，提出了一种迭代阈值图像增强算法，并采用评价准则算法和频域响应法对常用的几种图像增强算法进行比较分析。结果表明，该方法具有算法简单、易于实现等特点，且增强效果可较好地满足视觉效果的需求。     

T型地连墙结构m法计算中的问题和改进

采用传统m法计算单锚T型地连墙结构内力时,墙前土体反力往往会超过被动土压力,因而需通过多次迭代计算,不断调整土体m值,直至满足要求,计算过程繁琐。结合工程实例,基于传统m法,考虑土体变形对m值的影响,提出采用分段m法计算T型地连墙结构,有效解决了传统m法计算中存在的问题,并在唐山港曹妃甸港区文丰通用杂货码头工程设计中得到成功应用。     

基于噪声强度估计的中值滤波

为了提高中值滤波器的滤波性能和适应不同强度的椒盐噪声,提出了基于噪声强度估计的中值滤除算法.该算法通过椒盐噪声密度估计确定图像中的噪声强度的大小,然后根据噪声强度选择相应的滤波器及参数.计算机仿真实验结果表明:该算法能对未知噪声强度的退化图像在较短的时间内有效地去除噪声的同时,较好地保护图像细节.     

迭代法在道路勘测中的应用

介绍在道路工程勘测中采用缩微迭代法编制勘测程序,使放样过程能达到“所点即所得”效果的测设方法,并通过实际工程验证该方法的可用性,具有一定的理论和实际意义.     

不确定时滞系统的PD型迭代学习控制算法

针对不确定时滞系统,在网络时滞范围已知情况下,采用改进PD型迭代学习控制算法补偿网络时滞.在初态是严格重复时,给出这类系统的极限轨迹和迭代输出收敛于该极限轨迹的充分条件.并与P型迭代学习控制算法进行比较.仿真结果表明改进后的PD型迭代学习控制算法能够有效地补偿此类时滞.当网络时滞范围变窄时,能够更加精确跟踪极限轨迹.在相同迭代次数情况下,PD型迭代学习控制算法比P型迭代学习控制算法能更快收敛于极限轨迹.     

基于MATLAB的公路桥梁车桥耦合数值计算方法

应用达朗贝尔原理推导了两自由度车辆和桥梁的振动平衡方程,提出用龙格-库塔法和NEWMARK法来求解车桥耦合振动问题。针对NEWMARK法提出了求解分离的车辆和桥梁运动方程组的分析策略:在每一个时间步长内进行迭代计算并将桥梁的振动平稳状态作为收敛条件。利用MATLAB结合两种数值计算原理分别编制了车桥耦合计算程序。算例分析表明:两种方法的计算精度都较高;采用NEWMARK法求解时,在每个时间步内迭代计算至桥梁振动平稳状态是有意义的。     

一种基于迭代学习的自适应交通信号控制方法

迭代学习控制作为数据驱动控制的一个分支,经历二十多年的发展,无论在理论研究,还是在实际应用上都取得了丰硕成果. 本文以交通信号系统为被控对象,利用迭代学习控制和模糊理论的核心思想,设计基于数据驱动的信号交叉口自适应控制器,使交叉口的通行能力得到显著提升. 信号控制的关键规则采用模糊迭代理论,通过迭代学习使得信号控制策略适应交通流的不断变化,通过模糊理论处理交通系统中的不确定性和随机性,从而避免对复杂交通系统的建模,发挥了数据驱动的无模型控制优势. 最后,使用基于VISSIM的仿真平台对算法的有效性和实用性进行验证. 仿真结果表明,基于迭代学习自适应交通信号控制方法的控制效果优于定时控制和感应控制.