西南山区公路沥青路面性能评价指标研究

对重庆地区公路沥青路面使用性能进行调研检测,利用现有的评价指标对调查路段的路面破损状况和路面行驶质量进行了评价.在此基础上,结合该地区高温多雨的气候特征和路面使用坏境,对路面使用性能评价指标中的路面状况指数PCI和路面结构承载力指数PSSI进行完善和修订,以便因地制宜对西南山区公路沥青路面使用性能进行科学评价.     

沥青路面预防性养护时机综合评价指标体系

为了合理确定沥青路面预防性养护措施的最佳实施时机,分析了沥青路面使用性能评价指标与预防性养护工程特点,建立了基于路面状况指数、行驶质量指数、抗滑系数及车辙的路面使用性能综合评价指标体系。考虑到不同路面所处的地理环境及所承担的荷载组合与交通量的差异,根据道路的实际状况,应用灰色关联度理论确定各分项指标的权重。某高速公路4个单项指标的权重系数计算结果分别为0.27、0.21、0.25与0.27,表明增加的车辙指标是反映沥青路面使用初期特点的控制指标,确定的分指标权重值可使预防性养护时机的选择更具针对性。     

基于Matlab的高速公路沥青路面状况评价模糊决策系统

讨论了高速公路沥青路面状况评价过程和Matlab-FIS的建模方法,在对路面状况评价问题进行系统分析的基础上,建立了基于Matlab-FIS Toolboxes的高速公路路面状况评价的模糊决策系统,结合某段高速公路沥青路面状况评价工程进行了实例分析,得到了较为理想的效果.     

高速公路沥青路面综合评价模型研究

针对沥青路面使用性能评价过程中存在的不确定性、模糊性等问题,运用集对分析理论定量描述评价样本与评价标准等级间隶属关系的确定和不确定性。构造基于三角模糊数的集对差异度系数,确定沥青路面使用性能综合评价模型,结合专家经验和熵权法构造各评价指标权重,将该综合评价模型运用于实际工程,并与《公路沥青路面养护技术规范》评价结果进行对比。研究结果表明:将集对分析与三角模糊数耦合的综合评价模型应用于高速公路沥青路面使用性能评价中可行。     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI.同时,神经网络评价数据和专家系统数据的比较,证明BP神经网络模型在路面使用性能评估中有更好的应用前景.     

离散Hopfield神经网络在沥青路面使用性能评价中的应用

为使沥青路面使用性能评价更加科学合理,提出了基于离散Hopfield神经网络的评价方法,该方法综合了行驶质量、路面破损状况、结构承载力和路面抗滑性能等4个主要内容对路面使用性能的影响。通过设计离散Hopfield神经网络对沥青路面使用性能进行了综合评价,最后通过实例计算并将计算结果与传统方法的评价结果进行比较。结果表明:该方法合理有效,且相对于传统的方法操作简单、成本更低、易推广,具有一定的优越性。     

基于DEA的沥青路面使用性能综合排序方法研究

沥青路面使用性能排序方法的科学性直接影响养护决策的合理性.运用基于虚拟决策单元的数据包络分析法（DEA）建立了沥青路面综合排序模型,确定了模型的输入、输出指标.对某高速公路路面性能排序进行了案例分析,并与华盛顿州和犹他州的典型排序方法进行比较.结果表明,基于虚拟决策单元的DEA排序方法与典型排序方法的结论基本一致,且具有评价指标较全面与权重不需人为事先确定等优点,避免了典型排序方法中权重确定的主观性缺陷.     

高速公路路面质量基于模糊神经网络的评价

当前,随着高速公路超载车辆的重型化、行车速度的提升及交通流量的加大,致使多数高速公路出现辙槽、裂缝等病害现象。这种病害现象的存在不仅会减少道路的使用年限,增加整修成本,还会降低高速公路服务国民经济的能力,也给人们的出行带来极大的安全隐患。一种新的路面质量评价模型:模糊神经网络顺势而生,它能有效地应对日益繁重的高速公路养护工作。本文就此模糊神经网络模型进行分析。     

基于自组织特征映射神经网络的路面使用性能评价方法

针对目前沥青路面使用性能评价方法的不足,提出了基于自组织特征映射神经网络的评价方法。该方法选择了行驶质量、路面破损状况、结构承载力和路面抗滑性能等4个主要因素,应用自组织特征映射神经网络,对沥青路面使用性能进行综合评价。最后通过实例计算,并将计算结果与传统方法的评价结果进行比较。结果表明:该方法合理有效,且相对于目前常用的方法,具有一定的优越性。     

高速公路沥青路面修复成套技术研究

京石高速公路沥青路面修复成套技术研究课题组，以河北省已建成的高速公路为工程依托，从高速公路沥青路面路况跟踪观测、路面性能评价与养护决策方法、维修罩面设计程序与方法、施工技术、招投标与合同管理等方面进行研究，提出了适合高速公路路面性能评价的指标和模型，在国内首次开发并初步完成了高速公路沥青路面修复的成套技术。     

基于BP 神经网络的铁路客运服务质量评价研究

为了客观、准确地评价铁路客运服务质量,从旅客感知角度出发,构建了评价 指标体系,建立了BP神经网络求解模型,提出了基于BP算法的铁路客运服务质量评价 算法.通过对网络的训练,使得网络输出达到了期望的精度,满足了客运服务质量评价的 要求.最后通过对铁路旅客的调查问卷实例,从均方误差、统计识别率方面进行了分析、仿 真,对客运服务质量进行综合评价,并与模糊综合评价法进行了对比.实验结果表明,本文 构建的评价指标体系科学、合理,提出的评价算法收敛速度快、误差小,评价结果能够有 效地反映客运服务质量水平,为提高和改进铁路客运服务质量提供参考依据.     

沥青路面抗滑性能神经网络预测模型研究

利用神经网络原理,采用沥青路面抗滑性能单项指标建立评价模型,对沥青路面使用性能进行预测研究,可为公路的预防养护、养护决策和养护规划的编制提供参考.     

基于粗糙集和RBF神经网络的高速公路路面使用性能评价研究

利用可辨识矩阵对影响路面使用性能评价的宽泛指标集进行分类、约简,得出对路面使用性能评价最有影响的数据指标,建立RBF神经网络模型,并把处理后的数据指标作为RBF神经网络的输入进行训练、仿真.通过实例,给出了该方法的具体实现过程.与没有采用指标约简的RBF神经网络进行结果对比,该方法在路面使用性能评价上更具有实用性、有效性和可靠性.     

用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测 ,提出了一种有效的预测方法 ,并构造了预测回弹模量的神经网络模型 .预测结果表明 ,该模型具有较高的预测精度 ,为预测路面材料的回弹模量等力学指标提供了一种新的方法     

基于模糊层次分析法的沥青路面破损状况评价

在分析沥青路面破损类型的基础上,构建了沥青路面破损状况评价的指标体系。综合运用层次分析原理和模糊决策理论,建立了沥青路面破损状况评价的模糊层次分析模型,该模型的重点在于确定各评价因素的权重和构造评价矩阵,最后结合实例证明了该模型的可行性。     

融合稳定性的高速无人驾驶车辆纵横向协调控制方法

提出了一种纵横向协调控制的路径跟踪控制方法; 建立了车辆预瞄误差模型和考虑路面地形的高速车辆等效动力学模型, 以此引入道路曲率地形因素; 基于模糊规则设计了预瞄距离发生器, 解决预瞄误差模型中固定预瞄距离的问题; 建立了预测时域与道路曲率的函数关系, 运用模型预测控制算法求解前轮转角, 从而建立路径跟踪控制器; 运用指数模型表示车辆期望车速, 设计了比例积分微分纵向控制器控制车速以改善路径跟踪精度; 运用质心侧偏角相平面图表征车辆稳定性特征, 设计比例积分微分稳定性控制器以改善车辆稳定性。研究结果表明: 提出的控制方法能在不同附着系数路面上对车辆跟踪性能进行优化, 在干燥沥青路面以车速90 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少33%;在潮湿沥青路面以车速70 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少30%;在冰雪路面以车速55 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少16%。可见, 所提出的控制方法能有效改善路径跟踪精度。      

基于BP神经网络的煤炭企业可持续发展评价

在分析煤炭企业可持续发展评价方法的基础上，建立了煤炭企业可持续发展评价指标体系，构建了基于误差反向传播算法（BP算法）的多层前向神经网络模型．为减小希望输出与实际输出之间的误差，从输出层神经元到输入层神经元逐层反向修正各连接权，并在网络训练学习的过程中不断执行误差反向传播修正，以提高网络对输入模式响应的正确率．通过算例验证了运用BP神经网络评价煤炭企业可持续发展的有效性和准确性．     

基于座椅人机参数的列车座椅舒适度评价方法

为了降低高速列车舒适度调查的成本,避免进行大量的问卷调查和统计分析,对高速列车座椅静态舒适度评价方法进行了研究. 首先,通过确定高速列车座椅舒适度评价指标和指标权重,获得座椅舒适度计算方法;其次,利用BP神经网络构建以高速列车座椅8项人机几何参数为输入、以座椅舒适度评价为输出的座椅静态舒适度评价模型;最后,进行实例研究,对构建的神经网络评价模型进行训练和验证,并对神经网络进行权值和阈值的提取,构建神经网络的数学表达公式. 研究结果表明:当神经网络为1个隐含层、13个节点时,训练达到误差均值2.13 × 10?3、均方误差6.091 × 10?6的理想效果,且不存在过拟合现象;利用CHR2的一、二等座椅人机几何参数测量数据及对应舒适度评价对该网络进行验证,验证显示一等座的神经网络预测值跟实际评价值误差为3.07%,二等座评价误差为1.42%,该网络模型预测精度较高,且优于多元回归模型预测的结果.      

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI。同时．神经网络评价数据和专家系统数据的比较．证明BP神经网络模型在路面使用性能评估中有更好的应用前景。