基于改进的隐马尔可夫模型交通拥堵识别研究

为准确高效地追踪识别城市区域交通路况信息,提供合理的交通出行策略,针对原始的隐马尔可夫模型(hidden markov model,HMM)初始状态参数难以选择且训练过程极易陷入局部最优解的问题,提出了一种改进的隐马尔可夫模型的交通拥堵态势识别机制,有效地拟合了城市道路相邻交叉口交通拥堵状况.将粒子群优化(particle swarm optimization,PSO)算法引入到隐马尔可夫模型的训练中,结合Baum-Welch算法分别对该模型的状态数等参数进行优化,最后根据Viterbi算法聚类出城市道路交叉口最佳拥堵状态序列.根据采集的真实交通流和GPS数据、车辆延误时间特征数据进行实验,其结果表明,改进的隐马尔可夫模型在道路交通拥堵识别的准确率和稳定性上有明显提升.     

基于动态栅格与隐马尔科夫模型前车换道意图识别

针对前车换道意图识别预测问题,提出基于动态栅格地图与混合高斯隐马尔科夫模型结合的识别预测方法,建立以自车车头中心点为零点的动态栅格地图描述前车的位置信息,基于语义分割的方法获取前方车辆的轮廓特征与车道线,并分析前方障碍车辆的相关运动状态信息.将动态栅格地图与混合高斯隐马尔科夫模型相结合,识别预测前车换道行为.利用可观测...     

分数阶神经网络控制器自顶向下优化方法

研究了分数阶PIλ控制器中自顶向下优化BP神经网络的方法.介绍分数阶PIλ控制器的设计,提出自顶向下优化BP神经网络的算法,实现对控制器中相关参数的调节.实验结果表明,自顶向下的优化方法通过合并、删除某些隐节点达到了简化网络结构的目的.     

基于ANFIS的特高压输电线路故障分类识别方法

提出了一种基于自适应神经模糊推理系统(ANFIS)的特高压输电线路故障分类识别方法,以分类识别10种常见的输电线路故障.该方法以故障后1个工频周期内故障电流分量的标准差和四分位距作为故障分类识别的特征量.分析了噪声和谐波对这2个特征量的影响;建立了基于ANFIS的故障分类识别模型.大量仿真试验表明:提出的故障分类识别方法能快速、准确地识别各类故障,并且不易受故障初始角、故障位置和过渡电阻的影响,对噪声、谐波、电流互感器传变特性及采样频率有良好的适应性,分类识别正确率能达到99.5%.     

基于RBF神经网络模型的板料成形变压边力优化

为了解决变压边力优化过程中RBF(radial basis function )神经网络隐层节点训练难的问题,利用人工智能算法的优越性,建立了基于人工免疫算法的RBF神经网络,并将其用于非线性函数的逼近中.结合分块压边圈与改变压边力控制技术,通过Dynaform软件进行数值模拟获得成形数据,建立了变压边力与成形质量之间的RBF神经网络近似模型.利用人工免疫智能算法对该近似模型进行优化,获得最优压边力参数.将该方法应用于S形梁冲压成形中,与优化前的结果进行比较,采用优化后最优变压边力可以抑制起皱,最大起皱量减少了89.53%.      

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明：与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。     

基于风险网络的轨道交通车辆风险评价

针对轨道交通车辆系统的风险网络和关键部件风险评价开展研究，以系统部件和部件连接关系作为节点和边，建立了风险网络模型，分析了节点固有风险的影响因素和计算方法.根据节点之间故障传播概率得到边的作用强度和路径风险.对节点固有风险和路径风险进行分析，得到节点综合风险，并通过幂法对节点综合风险进行求解，从而识别部件对系统的影响程度.以转向架系统为例进行综合风险计算，结果表明：部件固有风险大小不能完全决定综合风险大小，还与部件连接关系和作用强度相关；与实际经验得出的关键部件综合风险排序对比，利用本文方法得到的关键部件排序一致性与其他方法相比有明显提升.     

基于风险网络的轨道交通车辆风险评价

针对轨道交通车辆系统的风险网络和关键部件风险评价开展研究，以系统部件和部件连接关系作为节点和边，建立了风险网络模型，分析了节点固有风险的影响因素和计算方法.根据节点之间故障传播概率得到边的作用强度和路径风险.对节点固有风险和路径风险进行分析，得到节点综合风险，并通过幂法对节点综合风险进行求解，从而识别部件对系统的影响程度.以转向架系统为例进行综合风险计算，结果表明：部件固有风险大小不能完全决定综合风险大小，还与部件连接关系和作用强度相关；与实际经验得出的关键部件综合风险排序对比，利用本文方法得到的关键部件排序一致性与其他方法相比有明显提升.     

��������Ż�ģ�͵Ĺ��Ҽ���·�������Ż�

在传统的公路网路线布局优化模型的基础上,对节点重要度、路段重要度及网络重要度模型分别进行了改进. 改进模型综合考虑了节点的社会经济情况及路网交通需求在各节点之间的空间分布情况,将节点的客、货运输量作为确定节点重要度的重要指标,同时将节点之间的OD交换量、路段长度以及与两节点直接连通的节点个数作为确定路段重要度的变量,并将改进的重要度模型引入目标函数当中,建立一种适用于国家级干线公路网的组合优化模型,并运用遗传算法对所建立的组合优化模型进行求解. 基于东北地区高速公路网规划案例进行的仿真试验表明,该模型是可行的、有效的,可以为公路网规划提供一些借鉴和参考.     

我国城市轨道交通故障车停车线布局设置的模型与算法

故障车停车线的布局设置对城市轨道交通线路工程的造价和建成后的运营均有重要影响. 本文从建设和运营两方面对城市轨道交通故障车停车线的布局设置方案的优化进行了研究,介绍了城市轨道交通中故障车停车线设置研究的现状,从城市轨道交通系统运营角度分析了故障车处理及救援的基本流程;参考地铁设计规范及运营要求,建立了以考虑故障救援效果和工程造价二者为优化目标的故障线布局设置多目标0-1规划模型;并结合模型实际背景设计了隐枚举求解方法;运用某条城市轨道交通线路的设计数据对模型和求解算法进行了验证. 结果表明,该方法能够快速、合理地得出故障车停车线的布局设置方案.     

基于引力搜索RBF神经网络的柴油机故障诊断

为了解决RBF神经网络的参数选择问题,以便提高柴油机故障诊断的精度,提出了一种基于引力搜索算法和RBF神经网络相结合的智能故障诊断方法.该方法首先采用减聚类算法确定网络隐层单元数,然后提出改进引力搜索算法优化RBF神经网络的参数.利用国际标准样本集对该方法进行分类测试,并将该方法应用于柴油机故障的诊断,仿真实验验证了该方法对柴油机故障的分类和诊断效果.     

Research on Optimizing the Hidden Layer Structure of ANN-Based Model and Its Application in Predicting End-Quench Curves of Steels

IotroductionArtificialneurainetWork(ANN)isahadofinformatboProcessingsystem.ItconsistsofrnanprocessingwtwhichareWandsbolyconnectedoneanothetarerstudying,AN'NcangetinfbrmatiofromtrainjngdaaandcancoirectiyfulunthenoIiljnarmappinghominPuttooutPu.Furthrmore,theest8blishedmodelofANNcanbeusedtopredicttheinfluenceofinputparamt6rsonoutPutvaines.AN'NtechnulgyhasbeenwidelyusedinmaterialandheatndelltdisciPllnebecauseofthepropertieswttonedabove.VNaIayanatai[llusedaneurainetWorktOestirnatehottorsi…     

基于贝叶斯网络的驾驶疲劳程度识别模型

国内外学者大多采用单一类型指标对驾驶疲劳程度进行判断。为克服单一指标检测的不稳定性,构建基于贝叶斯网络的驾驶疲劳程度识别模型。将驾驶环境属性、驾驶人个体属性和原始疲劳属性作为模型输入层变量。选择脑电指标、心电指标、眼动指标、驾驶绩效指标作为模型输出层变量。将清醒、轻度疲劳、重度疲劳三种驾驶疲劳程度作为隐含层变量。采用模拟驾驶方法进行实验,得到不同实验对象各个时刻不同疲劳程度的概率。将利用单一指标和贝叶斯网络模型得到的驾驶人疲劳程度与主观疲劳测评结果进行对照,证明贝叶斯网络模型不仅能消除单一指标失效时产生的误判和漏判,而且可提高识别的准确性。     

基于BP神经网络的公路平曲线自动识别分析

针对公路平面线形自动选择技术中的平曲线识别展开研究,首先根据平曲线的识别原理设计平曲线的识别过程,然后建立基于神经网络的曲率图识别模型,该模型以曲率图的特征向量为输入,以曲率图的识别向量为输出,并采用试算法确定隐层的神经元个数,最后进行案例分析。     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

基于改进极限学习机的公交站点短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于物元-阴性选择算法的轴箱轴承故障检测

针对高速列车轴箱轴承故障数据获取困难的问题，提出了一种无需先验知识的利用物元和阴性选择算法进行轴承故障检测的方法. 首先利用多维物元构建阴性选择算法的检测器模型，以检测器与训练样本之间的综合关联度作为匹配规则，并在综合关联度约束范围内引入控制参数，实现检测器对非己空间的更大覆盖；其次，根据匹配规则和控制参数构建适应度函数，采用粒子群优化算法生成候选检测器，分析控制参数对检测器生成和粒子群优化算法收敛速度的影响；此外，为降低候选检测器集合的冗余度，基于关联度提出了检测器特征参数区间的合并规则，将成熟检测器个数降低至18个；最后，通过信号模拟方法生成轴箱轴承的各类故障信号，建立100组测试样本，并利用18个成熟检测器进行故障检测. 研究结果表明:成熟检测器对不同类轴承故障均具有较好的检测性能，正常样本的检测器激活率为1.11%，故障样本的检测器激活率不低于96.67%.      

小波神经网络改进结构及其学习算法

论述了小波神经网络用于信号分类识别的模型结构,在此基础上,充分利用小波变换时频分析的局部化特性,提出了一种改进的网络结构,建立了非显式小波的网络的学习算法。计算机模拟表明,该结构提高了信号分类识别的精度和灵敏度。