基于改进容量增量分析法的锂电池可用容量估计

针对动力锂电池在使用过程中难以高效准确估计其衰退后可用容量的问题,提出一种不依赖滤波算法的容量增量分析法获取不同型号电池的容量衰退特征,并基于数据驱动的方法搭建可用容量估计模型。首先,分别分析低通滤波与小波滤波在获取容量增量曲线中存在的问题,并对比差分电压值在1、10、20、50 mV时容量增量曲线的形态。其次,采用移动方差算法对不同电压差分值下容量增量曲线的波动性做出评价,确定出峰值特性明显且平滑的容量增量曲线。提取曲线的峰值作为动力锂电池的老化特征,运用斯皮尔曼相关性系数验证老化特征与电池老化状态之间的相关性。然后,引入门控循环单元建立锂电池的可用容量估计模型。最后,将不同老化测试条件下的2类电池老化数据集用于模型验证。研究结果表明:所建立的估计模型能够有效估算锂电池全寿命循环内的可用容量值,2组数据集中测试结果的相对误差除个别值外,多数相对误差值在2%以内;数据组1中,分别选取电池1和电池3测试数据的前50%为训练数据,后50%为测试数据,训练结果绝对误差稳定在0.05 A·h左右,测试结果绝对误差在0.04 A·h左右;对电池2与电池3的全寿命循环可用容量做出估计,结果相对误差稳定在2%左右;数据组2中对电池5、电池6和电池7的全寿命循环可用容量估计结果的相对误差整体亦在2%以内;且模型能够对锂电池循环过程中出现容量再生现象的循环做出4%以内的准确估计,显示出良好的估算精度和泛化能力。     

国际干散货运输市场月评

国际干散货运输海岬型船航运市场运价冲高后大幅回落,巴拿马型船和超灵便型船航运市场运价先扬后抑。巴拿马型船太平洋航运市场运价表现明显差于上年同期,海岬型船航运市场租金、运价水平优于上年同期。12月31日,上海航运交易所发布的远东干散货指数(FDI)中综合指数、运价指数和租金指数分别为816.91点、874.78点和730.11点,较上期末分别下跌25.9%、11.1%和42.9%;本期平均值环比分别下跌4.9%、0.5%和9.9%,同比分别上涨2.7%、6.8%和下跌2.1%。     

初步设计阶段邮船船体钢材重量估算方法

基于2艘邮船的具体数据,通过统计学对比分析方法对几种船舶钢材估算方法在邮船上的适用性进行分析,并通过一元回归分析方法,针对沃森法采用的通用钢材重量估算曲线,对客船数据进行修正,回归出一种在邮船设计初期的船体钢材重量估算公式.经过邮轮实船数据检验,该估算公式误差较小,可为国内邮船设计中的空船重量分配和重量控制目标等关键指标的确定提供参考.     

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域，研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络，通过学习交汇水域船舶的历史轨迹，以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征，LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择，从而形成船舶轨迹与航行意图识别模型。同时，引入Dropout网络结构描述该模型的预测不确定性，采用随机关闭CNN+ LSTM核心网络部分神经单元的方式，以相同轨迹序列作为输入获取多组相近的预测结果，根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验，创建了该交汇水域船舶航行轨迹数据集，以输入时长60 min，采样频率3 min作为输入条件，Dropout值取0.5，实验结果表明:所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile，航行意图识别准确率达87%，不确定性估计覆盖率达85.7%。与LSTM预测方法相比，当船舶操纵性发生改变时，所提CNN+LSTM模型的轨迹预测误差降低了31.6%，而且兼具船舶航行意图识别及预测不确定性估计能力，有利于智能航行与海事监管技术发展。      

基于交通指数的上海市地面区域拥堵特征分析

为了更加准确地描述城市交通拥堵问题,以道路交通指数为基础,以拥堵概率、拥堵时间点、累计拥堵时长等为具体评价指标,对上海市中心城地面区域以及常发性拥堵区域的交通拥堵状况进行定量描述,并将道路交通指数应用于2018年道路设施综合交通补短板项目。分析结果表明:近五年中心城地面常发性拥堵区域在2016年交通大整治时期的交通状况最好,但2017年随之反弹成为五年内拥堵峰值。经各方努力,2018年的交通状况逐渐接近于2016年的良好水平。     

基于自回归条件异方差转换指标的非线性损伤识别

为了解决时域非线性损伤的识别问题，基于自回归条件异方差（ARCH）模型的基本理论给出了ARCH模型建模的定阶方法及模型参数估计的极大似然估计法；分析了结构非线性损伤的特性，提出了基于ARCH模型的非线性损伤识别原理；考虑到基于自由度的损伤指标难于判断损伤位置，故提出了一种自回归条件异方差转换指标；在测量误差和模型误差的影响下，使用3层框架结构的非线性损伤试验来验证该损伤指标的有效性. 试验结果表明:非线性间隙距离为0.05 mm和0.10 mm时，损伤位置第3层的自回归条件异方差转换指标值比传统的倒谱测距转化指标值高21.7%以上；当非线性间隙距离为0.20 mm时，第3层的自回归条件异方差转换指标值比倒谱测距转化指标值高3.7%.      

基于BP神经网络的舰船维修成本估计

舰船维修成本估计直接影响舰船企业的运营效益,针对当前舰船维修成本估计方法存在的一些局限性,以延长舰船寿命,提出基于BP神经网络的舰船维修成本估计方法。首先介绍当前舰船维修成本估计研究现状,找到当前各种舰船维修成本估计方法的不足,然后在此基础上依据舰船维修成本变化特点,引入BP神经网络建立舰船维修成本估计模型,最后通过Matalab2017平台实现了舰船维修成本估计仿真实验。相对当前其他的舰船维修成本估计方法,BP神经网络可以更好地跟踪舰船维修成本变化特点,不仅舰船维修成本估计精度高,而且舰船维修成本估计建模时间短,为解决复杂多变的舰船维修成本估计问题提供了一种新的方法。     

天气因素对福州地铁客流的影响分析

地铁作为一种绿色出行方式，是缓解城市交通拥堵的重要手段。地铁客流受到多种因素影响，其中天气因素变化较快，会造成地铁客流的快速变化。了解天气因素对地铁客流的影响，有助于建立相应的运输组织响应措施。本文旨在量化分析天气因素对福州地铁客流量的影响，并考虑原始天气指标的局限性，引入体现舒适度的指标。建立地铁客流与天气因素(包括气压、相对湿度、风力、降水、风寒指数等级、综合舒适度指数等级等)之间的多元线性回归模型，量化影响方向和影响程度。此外，工作日与非工作日的客流模式差异较大，将两者分别建模分析。研究发现：工作日，降水、风寒指数等级和综合舒适度指数等级对地铁客流有显著影响；非工作日，降水、气压、相对湿度、风寒指数等级和综合舒适度指数等级对地铁客流有显著影响。总体而言，非工作日地铁客流对天气因素更加敏感。