城市道路交通流短时预测及可靠性分析

为了捕捉交通流随机波动导致的交通流短时预测的不确定性,利用反映预测波动的异方差对可靠性进行量化预测;基于时间序列及其异方差理论,构建了以单整自回归滑动平均ARIMA(0,1,1)模型为均值方程的城市道路交通流短时预测的广义自回归条件异方差GARCH(1,1)模型. 通过ARCH LM检验证实,GARCH(1,1)模型能够有效捕捉并消除ARIMA(0,1,1)模型的异方差性.结果表明:基于GARCH(1,1)模型的城市快速路流量预测的MAPE值不高于10%,城市快速路及主干道速度预测的MAPE值为7.86%~10.24%;与ARIMA(0,1,1)模型预测的固定置信区间相比,在自由流交通状况下,GARCH(1,1)模型在有效预测前提下的预测置信区间更窄;在交通拥挤状况下,GARCH(1,1)模型能够通过放大预测置信区间宽度减少无效预测.      

带随机延滞的衍生的ARCH模型的几何遍历性

引入了带随机延滞的门限自回归滑动平均一自回归条件异方差模型,讨论了这个模型的极限行为,并给出了该模型以几何速率收敛的充分条件．该模型将固定延滞的衍生的门限自回归滑动平均一自回归条件异方差模型推广为延滞受到一个有限状态马氏链控制的衍生的门限自回归滑动平均一自回归条件异方差模型,能更好的拟合现实世界中的诸多实际问题．同时,推广了自回归条件异方差模型,增强了模型的适应性,能够更好的拟合金融市场中价格行为波动的现象．     

基于GARCH的短时风速预测方法

为提高高速列车运行的安全性,基于线性递归的差分自回归移动平均模型(auto-regressive integrated moving average, ARIMA)和非线性递归的广义自回归条件异方差模型(generalized auto-regressive conditionally heteroscedastic, GARCH),提出一种组合模型ARIMA-GARCH进行高速铁路强风风速的短时预测.首先对数据的非平稳性进行预处理,以降低数据非平稳性对所提模型的影响;其次建立线性递归的ARIMA模型对数据进行分析和预测;最后,引入非线性递归的GARCH模型对数据进行分析和预测.基于现场测量的样本仿真分析表明:相比原始数据,ARIMA-GARCH模型的预测精度较高且随着预测步长的增加,平均绝对误差仅从0.836 m/s增加到1.272 m/s;ARIMA-GARCH模型考虑了异方差这一非线性特性,其预测精度明显好于线性的ARIMA模型,其中超前6步预测的平均绝对误差精度提高11.54%.      

非线性疲劳损伤累积下钢轨裂纹萌生预测

将考虑荷载作用次序的损伤曲线法与考虑荷载相互作用的疲劳损伤法相结合,修正了非线性疲劳损伤累积模型,提出基于非线性疲劳损伤累积的钢轨疲劳裂纹萌生-磨耗共存发展预测方法,并与其他线性和非线性疲劳损伤累积模型的预测结果进行对比.结果发现:非线性疲劳损伤累积模型计算的累积损伤高于线性疲劳损伤累积模型的结果,其中非线性疲劳损伤累积修正模型得到的损伤累积最大,相应的裂纹萌生寿命最小;对U75V热处理钢轨来说,非线性疲劳损伤累积修正模型预测的裂纹萌生寿命为车轮通过次数约2.58×105次,裂纹萌生于钢轨次表面,距离钢轨表面深度约2.12mm,平均磨耗发展率为2.90μm/万次;Miner线性疲劳累积模型预测的裂纹萌生寿命接近现场观测值的上限,非线性疲劳损伤累积修正模型预测的裂纹萌生寿命接近观测结果中值.     

基于路面加速加载的沥青路面疲劳损伤预估模型标定方法

为提高工程应用中沥青路面疲劳损伤预估模型的可靠性，提出了一种结合小型试件试验与足尺路面加速加载试验的模型标定方法；基于路面疲劳损伤发展特征分析，提出采用非线性增量递归法的沥青路面累积疲劳损伤分析方法，适用于疲劳损伤预估模型由小尺寸试验向足尺试验条件的转移与外推；基于小尺寸试件试验疲劳寿命预估模型构建了足尺沥青混合料层疲劳损伤预估模型，利用疲劳寿命预估模型转移方程实现足尺路面加速加载条件下的疲劳损伤预估；为确定模型转移方程，提出了基于路面加速加载试验的疲劳损伤标定方程，推导了疲劳损伤预估模型待定系数标定方法；利用重型荷载模拟器实施了级配碎石组合式基层沥青路面足尺试验路段加速加载试验，结合路面钻芯试样动态模量与四点弯曲疲劳试验，标定和验证了沥青混合料层的疲劳损伤预估模型。研究结果表明：非线性增量递归法可考虑材料非线性、性能衰减和加载历史对结构层疲劳损伤累积的影响，符合实际路面疲劳损伤发展规律；利用标定确立的疲劳损伤预估模型可以预测试验路不同加载区间沥青混合料层的累积疲劳损伤，50%和90%的预测值相对实测结果的误差分别小于3.1%和20.0%,表明该预估模型具有一定可靠性；提出的模型标定方...     

基于模态应变能变异指标的斜拉桥模型损伤识别研究

基于动力测试采用模态应变能变化率方法对一座独塔斜拉桥模型进行了损伤识别实用性研究,识别过程基于动力模态分析,激励方式包括车辆激励、环境激励和冲击激励.从识别得到的各阶试验模态的模态应变能变异指标的计算结果可知:在合适的激励条件下,模态应变能指标可以识别梁式结构主梁的损伤位置和大小关系;激励的充分条件会影响模态应变能指标的识别效果,冲击激励产生的激励较充分,因而损伤识别的效果最好;各阶试验模态包含的损伤信息完备程度不同,建议综合多阶模态应变能变异指标的计算结果进行损伤识别.     

基于驾驶人决策机制的换道意图识别模型

依据驾驶人换道决策的产生机制,提出速度期望满足度、危险感知系数和换道 可行性系数作为换道决策的识别指标并确定其量化方法.通过实车试验数据的分析表明： 量化指标与换道决策存在不同程度的相关性;同时在换道初期、车道保持及过渡状态阶 段存在显著差异.以速度期望满足度、危险感知系数和换道可行性系数为特征输入参数, 建立基于模糊神经网络的驾驶人换道意图识别模型,进行驾驶人换道意图的识别.结果表 明,该模型在换道初期的预测准确率达到89.93%,虚警率为9.52%,优于以碰撞时间TTC 为输入指标的BP神经网络模型,以及以RV、RP、RS为变量的Logistic 模型,说明模型具 有较好的预测准确性.     

结构频率和索力指标的拉索损伤快速识别方法

基于结构多阶频率平方变化率,将拉索损伤识别转化为有约束线性最小二乘优化问题,采用迭代逼近法对其进行求解,以实现对拉索损伤的初步识别;运用局部拉索索力指标对初步识别的具有对称位置的可能损伤拉索进行准确定位;通过修正损伤识别模型中系数矩阵A实现对拉索损伤度的有效识别.以某下承式钢管混凝土拱桥为例,通过仿真分析验证了该方法的有效性.结果表明,该方法能够快速、准确识别桥梁拉索的损伤位置,且对损伤度的识别总体精度较高,该方法对于大型对称桥梁拉索损伤识别及健康监测具有较大的工程实用价值.     

轨迹数据驱动的车辆换道意图识别研究

为实现准确识别车辆换道意图，提高车辆行驶安全性，综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度，提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先，筛选和平滑处理车辆轨迹数据，将车辆轨迹数据分为向左换道、向右换道及直线行驶3类，构建换道意图样本集。其次，构建融合注意力机制的 CNN_GRU模型，识别换道意图样本集，考虑到行驶过程中车辆之间的交互性，将被预测车辆和周围车辆的位置和速度信息作为模型的输入，经过CNN层特征提取的特征作为GRU层的输入，经过注意力机制层对不同的特征增加不同的权重系数，利用 Softmax 层识别换道意图。最后，选用 NGSIM 中 US-101 数据集的轨迹数据验证融合注意力机制的 CNN_GRU模型性能， 同时，与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明，所提模型车辆换道意图识别整体准确率达到97.37%，迭代时间为6.66 s，相比于其他模型准确率最多提高9.89%，最少提高2.1%。分析不同预判时间下的意图识别，模型可在车辆换道前2 s 内均能识别换道意图，准确率在89%以上，表现出良好的识别性能。     

高速列车转向架构架动应力计算与疲劳全寿命预测

建立了车辆结构的刚柔耦合动力学模型,对比了刚性构架和柔性构架的振动响应,计算了构架的载荷谱;分析了应力谱转化方法,利用有限元方法与多项式拟合方法计算了构架的动应力谱;基于动应力谱与相关标准,运用线性累积损伤理论与疲劳裂纹扩展寿命Paris方程计算了构架的疲劳全寿命。计算结果表明:相比于多刚体车辆系统动力学模型,采用考虑构架柔性的车辆系统动力学模型计算的构架振动加速度响应在构架固有频率36.94~95.53Hz范围内的幅值较大,因此,构架的模态对振动响应的贡献显著;将载荷谱转化为应力谱的多项式拟合方法与瞬态分析方法相比较,应力误差最大值为1.16MPa,相对最大误差为3%,满足工程分析5%的计算精度要求;基于疲劳损伤理论计算的可靠度为95%的构架疲劳寿命为1.82×106 km;构架危险关注点裂纹由1mm扩展到2mm的寿命为1.76×106 km,满足中国高速列车车辆检修标准中制定的五级检修周期为1.2×106 km的要求。可见,构架模态参与下的动态应力谱计算方法与构架的疲劳全寿命预测方法可靠,有益于构架的动态设计与维修周期的制定。     

基于ARCH 模型簇的路径行程时间可靠性分析

 行程时间可靠性是反映道路交通网络可靠性的重要指标.由于交通系统存在不 确定性,行程时间的波动具有异方差性,利用传统数理统计方法建立的行程时间预测模 型,无法对行程时间进行准确的预测.针对行程时间波动的尖峰厚尾、集群性等特点,引入 计量经济学中的ARCH 模型簇.通过实证分析,评价行程时间波动的时变性、持续性,描 述系统外部信息冲击的分布,分析行程时间波动对外部信息冲击的反应机制.结果表明, ARCH 模型簇能很好地适应行程时间序列数据的方差变化特点,与交通系统的自身特性 相吻合,能够对路径行程时间的可靠性进行有效的评价.     

基于PSO优化RBF-NN的磁浮车间隙传感器温度补偿

针对高速磁浮列车悬浮间隙传感器的温度漂移现象,建立了基于RBF（radial basis function）神经网络的间隙传感器温度补偿模型.通过对全局最优粒子执行梯度下降寻优,将粒子群优化算法与梯度下降算法结合得到一种寻优能力更强的混合算法,并将该方法用于RBF温度补偿模型参数优化,提高了间隙传感器的补偿精度,最后,使用现场可编程门阵列FPGA（field-programmable gate array）实现了该补偿模型并进行了实验.实验结果表明:该方法能够较好地对间隙传感器进行温度补偿,补偿后的传感器输出不受环境温度影响,全量程范围内最大误差为0.45 mm,8~12 mm工作间隙范围内误差为0.16 mm.      

非高斯AR序列参数的加权最小二乘估计

加权最小二乘估计是一种兼具精度与速度的非高斯自回归序列参数估计的优秀算法.使用混合高斯自回归模型描述估计问题之后,又从最大似然估计非线性方程组出发导出了与之近似的加权最小二乘估计线性方程组,并分析了加权函数的性质,给出了具体的两步实现算法.探讨了加权函数获得与激励方差估计2个细节问题,给出了一组实例.     

基于模糊神经网络的高速公路路面质量评价

为提高高速公路沥青路面使用质量的评价精度,将T-S模糊理论与BP神经网络相结合,以高速公路沥青路面的路面状况指数、路面结构强度指数、道路行驶质量指数和路面抗滑性能指数4个检测指标作为输入变量,根据模糊推理规则构建路面质量评价的非线性映射关系,路面检测指标经过模糊神经网络的学习和训练,直至网络输出与期望输出的误差达到最小,去模糊化后得到各路段的精确评价结果,建立了路面使用质量的综合评价模型.用实际检测数据对该模型进行了验证,结果表明:该模型具有模糊系统的逻辑推理能力和神经网络的定量数据处理能力,通过本文方法仿真得到的路面质量的综合评价结果,与期望值的相对误差小于2.1%.      

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

Parameter Estimation for Blur Image Combining Defocus and Motion Blur using Cepstrum Analysis

The degraded parameters recognition is very important for the restoration of blurred images. There are two common types of blurs for most camera systems. One is the defocus blur due to the optical system's defocus phenomenon and the other is the motion blur due to the relative movement between the objectives and the camera. Compared with the recognition for the blurred image with only one blur model, the parameter estimation for the picture combining defocus and motion blur models is a more complicated mission. A method was proposed for computer to estimate the parameters of defocus blur and motion blur in cepstrum area simultaneously. According to characters of both blur models in the frequency domain, an adjustment approach was suggested in the frequency area and then convert to the cepstrum field to increase the accuracy of measurement.     

一类非线性时滞系统的参数故障检测和估计

研究了一类非线性时滞系统的参数故障检测和估计问题.文中所讨论的故障函数是非线性的,故障不仅依赖于系统的输入和输出,而且依赖于不可测的系统状态,这就使得故障检测和估计问题变得更加的复杂.根据自适应观测器的设计理论和研究方法给出了针对此类系统的参数故障检测和估计这种故障的方法.在满足Lipschitz条件下,提出了故障检测观测器和自适应诊断观测器.     

Nonlinear inverse modeling of sensor based on back-propagation fuzzy logical system

Objective To correct the nonlinear error of sensor output, a new approach to sensor inverse inodeling based on Back-Propagation Fuzzy Logical System （BP FS） is presented. Methods The BP FS is a computationaiiy efficient nonlinear universal approximator, which is capable of implementing complex nonlinear mapping from its input pattern space to the output with fast convergence speed. Results The neuro-fuzzy hybrid system, i.e. BP FS, is then applied to construct nonlinear inverse model of pressure sensor. The experimental results show that the proposed inverse modeling method automatically compensates the associated nonlinear error in pressure estimation, and thus the performance of pressure sensor is significantly improved. Conclusion The proposed method can be widely used in r nonlinearity correction of various kinds of sensors to compensate the effects of nonlinearity and temperature on sensor output.     

高速铁路模型箱梁静力非线性和动力损伤关系研究

桥梁结构在荷载作用下的静力非线性与结构动力特性之间的关系是结构损伤识别领域的重要问题。基于高速铁路模型箱梁的重复荷载试验,采用平面非线性有限元分析方法对静力非线性和动力损伤之间的关系进行了研究。通过定义混凝土等效应力－等效塑性应变曲线来定义其弹塑性行为。对数值模型加载到各级荷载后卸载进行动力特性分析,即卸载后计算自振频率和振型。计算结果表明：采用平面非线性有限元分析方法可以比较准确地对箱梁模型进行非线性分析,除了初始模型刚度存在一定误差外,结构的骨架曲线的特征值、加卸载刚度和残余位移吻合较好。在进行非线性分析后进行动力特性是分析可行。竖向频率值的变化能够反映静力非线性发生后结构的损伤出现和损伤的发展规律,这为结构动力损伤识别提供了有效的途径。