CTC车站基层网的调试与故障处理

CTC（调度集中）系统,可以使远在千里之外的调度员对信号设备进行控制,对列车运行进行指挥、管理。网络是CTC系统最关键的平台,为此就太中银铁路的CTC车站基层网的安装调试及故障处理进行总结,以兹参考。     

地铁专用无线网建设与政务无线应急网引入的探讨

随着城市轨道建设的快速发展和城市无线应急网的全面建设,城市无线应急网引入地铁已成必然。为此,从建网需求、工程投资、工程建设、使用维护、干扰分析等方面,对地铁专用无线网和政务应急网的功能以及定位进行分析,为轨道交通引入政务无线网系统提供方案。     

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。     

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。     

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.     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。