无线电式列车控制系统SPARCS的概况

日本的列车制动在经历多种形式的改进之后已实现了自动化,在信号机与连动的车辆间传递信号,视情况将列车自动制停的方式始于控制装置(ATS),后来又发展到列车自动控制装置(ATC)。文章介绍了日本信号公司研制并已实用化的列车自动控制系统SPARCS,这是一款基于无线电通信、结构简单、高性能的列车控制系统。着重描述了该系统基本特征、主要优点及应用实例。     

整体压气机叶轮加工工艺研究

文章就整体压气机叶轮加工工艺过程中的五轴叶型铣削、超速预过载、动平衡精度控制3个工序中存在的工艺难点进行论述,通过采用与机床参数相匹配的数控程序刀轨、简单可行的超速装夹方式、合理的工艺路线编排,为解决以上3个工序中存在的难点提供了一套行之有效的工艺解决方案。     

基于隐马尔可夫模型的基站定位地图匹配算法研究

在基站定位过程中,信号衰减、噪声干扰、基站群切换等因素会造成定位数据误差大、无效点多,隐马尔可夫模型若基于定位点间的大圆距离计算转移概率,可能降低最终的路段匹配准确率。文中首先去除定位数据中的不可能点,然后利用截尾均值滤波技术进行预处理;以候选点间的大圆距离替代定位点间的大圆距离、并结合相邻定位点间的时间间隔计算转移概率,利用维特比算法解得最优移动轨迹。基于OSM实际路网数据的仿真结果表明,文中方法明显提高了基站定位数据的匹配精度。     

校企合作知识共享对技术创新能力影响分析

通过对来自高校和企业的242个有效样本进行实证分析，研究结果表明知识共享对于校企合作技术创新有正向的影响。知识共享广度对合作技术水平、研发沟通经验有正向影响，知识共享深度对研发沟通经验和创新投入有正向影响。本研究从企业、高校和政府三个校企合作主体的角度出发，提出了促进校企知识共享、提高技术创新能力、实现合作双方“共赢”的对策和建议。     

2019年电动物流车市场分析及2020年展望

2019年市场回顾2019年,受宏观经济下行压力、整体汽车市场下滑、排放标准升级、新能源汽车补贴退坡等多重因素影响,我国新能源汽车市场首度出现年度产销量回落。中汽协数据显示,2019年我国新能源汽车销量120.6万辆,同比下降4.0%,占整体汽车销量的4.68%。电动物流车是新能源汽车的重要细分市场,也是新能源商用车主要车型,2019年电动物流车产量受到补贴退坡影响较大,产量6.22万辆,同比下降43.7%,连续两年呈下降趋势,市场进入深度调整期(见图1)。     

底特律令人沮丧的十年

<正>还记得2000年,通用、福特和克莱斯勒汽车集团控制了美国1740万辆新车市场的近三分之二吗?此后,进口品牌把底特律三大汽车公司手中的21%份额夺了过来,留给了本国总计44%较小的市     

降低风吹雪雪害辅助措施分析

为了便于公路风吹雪雪害防治科研成果的推广运用,结合科研课题的研究和公路建设的实践经验,客观地分析总结几种典型的降低公路风吹雪雪害的辅助措施,可以帮助人们少走弯路,收到事半功倍的效果.     

基于深度主动学习的MVB网络故障诊断方法

多功能车辆总线MVB （multiple vehicle bus）用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法. 该方法采用堆叠去噪自编码器自动提取MVB信号物理波形特征,并将该特征用于训练深度神经网络来实现MVB网络故障模式分类;基于不确定性和可信度的高效主动学习方法,可解决实际应用中标记样本不足和人工标记成本高昂的问题,使用少量标记训练样本就能得到高性能的深度神经网络模型. 实验结果表明:为达到90%以上分类准确率,所提方法只需要600个标记训练样本,小于随机采样方法所需标记训练样本数的2 800个;在相同标记训练样本数下,所提方法在3种性能指标下均优于传统方法.      

降低风吹雪雪害 辅助措施分析

为了便于公路风吹雪雪害防治科研成果的推广运用，结合科研课题的研究和公路建设的实践经验．客观地分析总结几种典型的降低公路风吹雪雪害的辅助措施，可以帮助人们少走弯路，收到事半功倍的效果。     

考虑峰值数据重平衡的地铁客流预测研究

地铁客流预测是城市轨道交通系统日常运营管理的基础,尤其是对突发大客流影响时的准确客流预测,能够有助于缓解城市地铁运营压力并降低安全风险。虽然目前的地铁客流预测方法在对日常客流预测准确性上有较好的表现,然而由于忽视了客流波动造成的客流峰值和谷值数据量不平衡,其对客流的峰值预测效果并不佳。为了进一步提高客流预测精度,考虑从峰值数据自身特征出发,通过聚类模型判断客流类别并验证不同客流类别间显著的不平衡问题,参照分类任务中类别不平衡问题的处理方式,通过欠采样、随机过采样和合成少数类过采样3种数据平衡方式,实现客流平衡处理。同时,采用支持向量回归、人工神经网络和长短时记忆神经网络3种预测模型,进行客流预测并对比不同数据平衡方式对模型性能的影响。研究结果表明：相比于未对训练集进行数据平衡处理,类别平衡在一定程度上提升了模型的预测精度;基于合成少数类过采样技术平衡数据的支持向量回归模型可以提供最佳的进站客流预测精度;基于随机过采样技术平衡数据的长短时记忆神经网络模型可以提供最佳的出站客流预测精度。研究结果可为客流波动较大情况下的城市轨道客流精准预测提供理论依据。