修井机作业空间舒适度综合评价研究

石油修井机作业空间的舒适度直接与作业的可靠性、安全性以及高效性直接关联的。本文针对石油修井机作业空间舒适度的各项指标因素,采用模糊数学法与层次分析法相结合的手段计算各指标因素的权重值与整体舒适度的评价分值。评价体系的建立及量化的评价结果可以客观真实的反映出石油修井机作业空间的舒适度情况,从而有针对性的进行改进。     

基于CML的多重边复杂公交线路网络相继故障研究

为给城市公交系统的规划、建设和管理优化提供决策依据,在现有公交网络模型的基础 上,以常规公交线路为网络的节点,公交线路间的若干个公共停靠站点为连边,建立了基于耦合 映像格子的多重边复杂公交线路网络模型,基于该模型研究了多重边复杂公交线路网络的相继故 障问题。通过Matlab 数值仿真技术,详细分析了扰动幅值和耦合强度对网络相继故障的影响。研 究结果表明：蓄意攻击多重边复杂公交线路网络中度最大的节点最容易造成网络全局故障;另 外,耦合强度和扰动幅值越大,多重边复杂公交线路网络越容易发生相继故障。     

二阶随机需求条件下公交网络的服务可靠性研究

引入服务可靠性这一概念,以乘客出行成本和车行运营成本最小为目标建立随机需求下的 公交网络模型,并提出固定需求的服务方案模型和改进的二阶随机方案模型。该模型体现了乘客 公交出行的选择策略并反映了公交网络中不确定需求和服务可靠性的相互联系。在分析公交出行 网络中的服务设计,包括常规服务和特别服务的基础上,运用二阶下降法通过规定不确定的随机 变量（服务可靠性参数） 来求解二阶随机方案：首先在一阶段减少混合整数规划的数量以节省计 算时间,随后在二阶段中模拟出一个线性规划,以便有效地求解二阶随机方案。最后,通过实例 模型验证了该方案的可行性。     

BP神经网络在解决电力消耗问题中的应用

由于BP神经网络在解决非线性复杂系统中存在很大的优势,以江西省1991—2011年人口、经济和耗电量等数据为研究对象,利用BP神经网络构建耗电量预测模型。模型一利用1991—2009年人口、经济和耗电量等数据作为训练样本,以2010—2011年作为测试样本来验证网络的准确性,再根据历史人口、经济等数据来预测历史耗电量;模型二采用传统的多元回归分析法,对非线性多元函数进行多元线性回归,通过回归模型得到的参数来预测耗电量。结果表明,模型一收敛性较好,所得预测结果绝对误差较小,而模型二传统方法得到的预测结果误差较大,因此,利用BP神经网络预测的结果具有非常大的参考价值,证明BP神经网络应用在电力消耗中的应用是可行的。     

基于BP神经网络基坑支护结构变形预测研究

为了精确的预测佛山某建筑基坑变形情况,提出了一种BP神经网络多数据纵向预报方法,选取前三次的多个测点数据进行预处理,然后再对BP神经网络分析、训练、测试,并分析隐含层数对预测精度的影响,通过对比试算确定隐含层数目,最终达到能够高精度预测基坑支护结构水平位移和沉降。结果表明:所提出的方法可以精确地预测基坑变形,对工程建设具有一定的参考价值。     

岩溶隧道风险等级模糊综合评价

为了获得已探明有溶洞存在时的隧道发生涌水突泥的风险等级,针对叙大铁路有溶洞存在的中坝隧道,选取了针对性的指标体系:溶洞规模,建立了相应的模糊综合评价模型,并采用层次分析法计算各项风险指标的权重,从而得出在有溶洞存在时这一特定条件下,隧道发生涌水突泥风险级别。     

基于模糊神经网络的智能车辆循迹控制

为提高智能车辆自主循迹控制的精度,提出了一种基于模糊神经网络控制( FNNC)和神经网络预测( NNP)的智能循迹控制策略。转向控制器的输入量有3个：预瞄点处的横向循迹误差、汽车横摆角速度和侧向加速度。车速控制器的输入量有4个：预瞄点处的面积误差、侧向加速度、汽车侧偏角和转向盘转角。网络训练采用误差反向传播法。仿真与试验结果表明,所设计的循迹控制器通过对驾驶员操作样本的训练,能实现对车辆的车速与转向控制,横向循迹误差和目标车速均比较理想。     

某款纯电动客车系统匹配和方案设计

结合某款纯电动客车的研发与应用,介绍纯电动系统的匹配设计和整车CAN网络架构,并提出合理的纯电动系统高压配电管理方案。     

城市轨道交通网络可靠性分析

为预防突发事件对城市轨道交通网络的影响,提高应变能力、增强运营稳定性,有必要对其网络可靠性进行分析。以上海市轨道交通网络为实证对象,基于L空间和P空间方法建立两种网络拓扑结构,分析其复杂网络的静态特性。提出针对车站删除方法的4种攻击策略,并对各种攻击策略下网络可靠性的变化进行比较分析。结果表明,轨道交通车站网络和换乘网络对随机攻击具有鲁棒性,对蓄意攻击具有脆弱性;动态攻击策略对网络可靠性的影响比静态攻击策略更大。     

考虑多人相互影响的舰船通道最短路径规划

将时间维引入既定舰船通道网络,把考虑多人相互影响的动态最优路径规划问题转化为时间依赖网络中的最优路径搜索问题。首先,论文的算法为所有人员随机生成走行路径,为了预测网络中的弧(路段)的走行时间,按人员速度从慢到快的顺序依次计算并记录人员到达路径中的各路段首节点的时刻,先记录到的人员将成为后记录到的人员的动态障碍。然后,将遗传算法与网络中弧的走行时间预测方法相结合,借助遗传算法的个体多样性天然地解决了人员走行任意性问题,因而获得了全局动态最优路径算法,并仿真计算了两人以及三人的最短时间路径;经与不考虑人员间相互影响时获得的最优路径相比较,论文的算法获得了人员遇到障碍时(或跟行或绕行)的最优走行路径。最后,借助时间依赖网络中的最优路径充要条件定理,说明了算法的有效性。