干散货运价指数内生发展趋势研究

基于主变量分析理论改进系统动力学（SD）模型，应用SD因果与相关关系回路图划定干散货航运系统边界，分析引发干散货运价指数（BDI）周期性波动的主变量之间的回归关系，建立SD内生动态预测模型以推演BDI指数的变动，就其走势做出方向性判断。研究发现，预测模型内部供需所产生的内生力会推动BDI在2022年出现一波较大的运价走低行情，而后2～3年干散货运价处于本轮中周期的繁荣后期阶段，之后进入下一个中周期的衰退阶段。     

混凝土空心柱服役期芯表最大温差研究

研究目的:混凝土构件的芯表最大温差是确定最大温度梯度的关键参数，混凝土构件芯表最大温差受太阳辐射以及气温的影响。太阳辐射强度等数据难以直接测得，但太阳辐射以及气温影响导致的构件周边环境温度可以方便地监测。本文对位于北京的某一混凝土空心柱各壁板温度进行长期监测并统计分析监测数据，提出以构件周边环境温度最大值、环境温度变化幅值及环境温度升温速率计算混凝土空心柱芯表最大温差的预测模型，并对预测模型的准确性进行F检验和T检验。研究结论:(1)混凝土空心柱各测点温度呈现以24 h为周期的周期性变化规律，靠近外表面的测点温度变化受构件周边环境温度影响明显；(2)不同季节条件下，混凝土空心柱南壁板芯表最大温差及表面开裂风险均大于其余壁板，东侧、西侧及南侧壁板芯表最大温差起伏明显，北侧壁板芯表最大温差起伏较小；(3)一天内，南壁板芯表温差变化与构件周边环境温度变化规律相似且达到峰值的时间相近，芯表温差变化速率与构件周边环境温度升温速率相近；(4)一天内，混凝土空心柱芯表最大温差与构件周边环境温度最大值、环境温度变化幅值、环境温度升温速率的相关性均较大；(5)构建的芯表最大温差预测模型能够较为准确地计算...     

基于CHMM和SSA-SVM模型的高速铁路道岔设备健康状态评估方法

为更加精准地评估道岔设备健康状态，加强对设备的维护与管理，以ZDJ9型转辙机驱动的高速铁路道岔设备为研究对象，提取道岔功率曲线的时域、频域特征指标及经验模态分解奇异值熵，组成道岔特征指标向量，并采用核主成分分析法消除原始多维特征信息的冗余，构建道岔特征指标样本数据库；利用连续隐马尔可夫模型划分道岔退化状态，在此基础上，建立麻雀搜索算法优化支持向量机的健康状态综合评估模型。研究结果表明：所构建的健康状态评估模型的评估正确率高达98.75%,不仅能够实现高铁道岔设备健康状态综合评估效能，而且明显优于GridSearch-SVM、GA-SVM、PSO-SVM等组合算法，为实现道岔设备由“故障修”到“状态修”的综合智能维护提供可行途径。     

基于融合方法的电动汽车动力电池容量衰退预测模型构建与优化

为了构建和优化基于融合方法的动力电池容量衰退预测模型，以准确预测电池容量衰退过程，采用融合方法将机器学习算法和物理模型相结合，通过多种数据源的综合使用来构建容量衰退预测模型。首先，收集并分析实际电池操作数据，充放电过程、温度变化等；然后，利用机器学习算法对数据进行特征提取、模式识别和建模，从而揭示电池容量衰退规律；最后，结合物理模型对电池内部参数进行估计，并与机器学习模型进行融合，获得更准确的容量衰退预测结果。     

基于2阶HMM的智能车视觉地图定位方法

本文中针对视觉地图匹配问题，将视觉地图匹配问题转化为基于图像序列的最优视觉地图节点匹配问题，并提出基于2阶隐马尔科夫模型（hidden Markov model,HMM）的视觉地图匹配方法。在该模型中，状态变量被定义为高精度视觉地图节点，查询图像被定义为观测数据。在状态转移模型中，引入2阶模型对短时间车辆运动进行匀速运动建模，与传统的1阶HMM相比，可以提高模型的适用性与准确性。提出利用全局图像特征建立查询图像与地图节点之间的匹配关系，并从匹配的汉明距离建立发射概率模型，可有效提高地图匹配的效率。最后，通过前向算法来求解最优匹配的地图节点。为了验证算法的性能，分别在封闭工业园区、开放道路和KITTI公开数据集对算法进行验证。实验结果表明：2阶HMM模型能够有效融合车辆运动信息和图像信息，提高匹配的稳定性和精确度，算法性能明显优于传统的基于单帧匹配和序列匹配算法。     

基于热平衡法的方壳电池电芯温度预测模型

据不完全统计，电动汽车大多在充电过程中发生自燃，如何在热失控前通过温度进行预警显得尤为重要。针对方形锂离子电池，构建了适用于嵌入式应用的电芯温度预测模型。通过试验精准测量电池各项热物性参数，对电池表面和电池卷芯分别进行热平衡分析，建立不同的能量守恒方程，对电池进行网格划分，进一步构建电池三维温度预测模型。仿真结果表明，热平衡模型不仅能够预测出电池每一部分的温度，而且预测的电芯温度误差不超过0.35 ℃，对快充条件下的电池温度预测有重要意义。     

短距离活动空间与新冠疫情扩散模型

研究新冠肺炎传播的空间特征与城市短距离出行之间的相关关系，为疫情的预防政策、预测模型提供支撑。利用手机信令数据，构建居民的短距离活动空间，提出“出行趋势度”的指标用以描述活动空间内部的出行特征；从“上海发布”获取上海市疫情病例数据，构建“传染指数”的指标，用以描述上海市疫情发展状况；分析“出行趋势度”与“传染指数”之间的相关关系，并建立疫情预测模型。结果表明，疫情的发展与短距离活动空间之间具有非常强的相关性，相关系数达到了0.869；利用“出行趋势度”这一指标，可以对疫情的发展进行预测，模型的准确度达到69.4%。     

基于改进NSGA-Ⅱ的汽油机标定优化研究

针对车用汽油机标定成本高、开发周期长等问题，提出一种车用汽油机的标定优化方法，以提高标定效率。建立发动机稳态工况的高斯过程回归模型，通过少量的试验数据预测燃油消耗率(BSFC)、氮氧化合物(NO_x)等发动机性能和排放参数，并引入决定系数(R²)评估模型质量。在非支配排序中加入了约束违反并引入混合交叉算子对NSGA-Ⅱ进行改进。将预测模型作为改进NSGA-Ⅱ的目标函数，进行发动机标定优化。采用一种平滑校准图自动生成的方法，根据校准图性能和平滑度，以自动方式选择最终校准图。结果表明：对于标准测试函数，改进NSGA-Ⅱ算法的分布性最高提升21.41%,应用于发动机标定优化，为决策者提供了更多的优选方案。将改进的NSGA-Ⅱ算法与平滑校准图自动生成方法结合，在WLTC循环工况下，标定结果相较于人工标定校准图，燃油消耗率降低了1%,NO_x排放降低了5%,为减少发动机标定工作量提供了参考。     

融合人工智能算法的铁路路基沉降预测方法

首先利用三阶多项式拟合、GM(1,1)和BP神经网络等算法构建了铁路路基沉降单预测模型；然后基于误差法和熵值法，以合肥地铁4号线盾构隧道下穿既有铁路的监测数据为基础，融合三阶多项式拟合、GM(1,1)和BP神经网络构建了组合预测模型，实现铁路路基沉降的分阶段预测；最后，利用平均绝对误差、均方误差和平均绝对百分比误差评价模型精度。结果表明：基于误差法和熵值法的组合预测模型能显著提高预测精度，预测相对误差均小于±5%，预测均方根误差均小于±0.1 mm，验证了提出的组合预测模型的有效性。     

基于序贯平差的沉降预测模型高效更新方法

沉降预测对于保证工程建筑物的正常使用寿命和安全性具有重要意义，而沉降预测模型更新又是其中的重要环节。针对沉降预测模型传统更新方法效率低、历史数据依赖性强的问题，用序贯平差取代传统最小二乘间接平差，得到一种新的模型更新方法。该方法能够大幅度减小数据的计算量与存储量，显著提升算法效率，并提高模型更新的可靠性。同时，配合该方法的特性，推导出新的相关系数递推算法用于模型评价。利用沪苏通长江公铁大桥的工程沉降数据进行算例验证，对比分析两种方法的更新过程与成果。结果表明：新方法正确高效，具备较好的实用价值，可广泛应用于铁路、公路、桥梁等工程中。