列车轮对状态的融合监测系统

为了提高列车轮对故障诊断准确率和改善现有列车轮对状态在线监测方法的不确定性,结合多传感器信息融合原理,设计了列车轮对融合监测系统,采用特征层融合自适应加权算法进行了轮对状态融合监测,以自适应的方式寻求最优加权因子,使状态测量值总均方误差最小,比较了特征层融合自适应加权算法、模糊数据关联算法、变结构多模的状态估计算法和BP神经网络算法的计算结果。比较结果表明:当轮对两端轴承均出现故障后,两传感器输出的测量值分别为22.0470和21.0250,而此融合算法计算出的估计值为4.2642,融合值最接近真值,因此,列车轮对融合监测系统可靠性高,抗干扰性强。     

Parameter identification algorithm for fault location using one terminal data based on frequency domain

Fault locationtechniques for power systemhavebeen investigated for many years.The quicker theaccurate location of a fault,the faster the electricpower restoration of service.The fault location techniques can be classifiedintot wo classes:one uses the data fromone ter minalof trans mission line;the other uses the data fromboth ter minals.The accuracy of one ter minal faultlocators is affected by the assumptions about thefault resistance,the source i mpedance,and the cur-rent flowinto fault from…     

含串补电容电气化铁路馈线故障测距算法

含串联补偿电容的电气化铁路牵引电网线路的电抗一距离关系不是单调的，按常规的电抗查表测距法，每个故障点会对应2个或多个定位点．通过对含串补电容馈线故障模型特性的分析，提出了一个新的判别方法．对不同的故障角和过渡电阻的ATP仿真以及MATLAB程序分析结果验证，该方法能够判断出故障与区间串补电容的相对位置．给出了含2个串补电容的电气化铁路馈线故障分段查表测距算法．     

一种改进的反向传播算法在机械故障模式识别中的应用

反向传播算法在机械故障模式识别中得到广泛的应用,但在实践中发现标准的反向传播法的收敛速度不快,模式识别能力有发,针对这些缺点进行改进,提出了一种改进的反向传播算法,大大提高了ＢＰ网络的收敛速度和模式识别能力,然后以变速箱故障模式识别为例进行了验证。     

Network-Wide Traffic State Observation and Analysis Method Using Pseudo-Color Map

A novel algorithm is proposed in this paper to meet the demand of urban traffic control and management for network-wide traffic states observation and analysis. Urban traffic network is mapped to a pseudo-color image with pixels corresponding to grids. The colors of the pixels represent the corresponding grids' states values so that this pseudo-color image vividly represents the macroscopic traffic state. The Otsu algorithm is used to find the congested regions automatically. The evolutionary patterns of traffic state are determined by calculating and analyzing the optical flow field of consecutive pseudo-color images. A case study of Beijing macroscopic traffic state observation and analysis is also presented to show the effectiveness of the proposed method.     

一种高动态交通场景下的协作接入协议

车辆自组织网络(Vehicular Ad Hoc Network, VANET)能够提高人们出行的安 全性和舒适性,成为学术界和工业界的研究热点.然而由于NET特殊的应用场景,如拓扑 高动态、节点高密度、信道质量的不稳定等特性,导致网络中数据的可靠性难以得到保证. 我们在传统自组织网络的研究成果基础上,提出了基于TDMA (Time Division Multiple Access)的分布式协作MAC (Media Access Control)协议,称之为C-T-MAC(Cooperative TDMA MAC).C-T-MAC算法引入了协作通信的概念.源节点与目的节点传输失败后,选 定的协作节点选择网络中一个空闲的时隙向目的节点转发数据,完成协作通信过程.仿真 结果表明,C-T-MAC算法提高了网络的吞吐量和数据传输的可靠性.     

互通式立交网络流的协同控制

利用图论方法将互通式立交展开为一种多源多汇的赋权有向网络,并对其性质进行描述与定义;通过对立交网络动态流谱及最大流计算得到其容量限制并确定受控弧分布;以受控弧队列长度和冗余等待时间设计了阻抗均衡因子,建立了动态阻抗均衡条件下的网络流协同控制方程,并制定了控制策略;以实际对象进行虚拟控制仿真,结果表明了所提策略和方法的有效性.     

基于时空自相关的道路交通状态聚类方法

城市道路交通状态的识别对交通管理部门进行交通管理控制、出行诱导,以及 道路设施改造具有重要意义.本文运用时空Moran 散点图探索城市道路交通的时空关联 性,并据此构建一种基于时空自相关预分类的道路交通状态层次聚类方法.运用本文所提 出的聚类算法,以北京市二环快速路外环方向的路段为例,进行聚类研究,并分析了各类 型路段的交通状态时空特性.案例研究表明,所提出聚类算法能对道路交通状态进行有效 判断,充分反映交通需求与路网结构之间的内在匹配关系.特别是畅通异质和拥堵异质两 种交通状态的提出,为识别高峰时段路网中的瓶颈路段和能力富余路段提供了一种新的 思路和方法,进而可为完善路网、缓解拥堵及制定交通管理措施提供依据.     

多源交通信息融合技术在重庆市智能交通诱导系统中的应用研究

由于特殊的地理条件和历史原因,重庆市道路交通信息采集设备形式多样,形成的交通信息数据格式和设备数据接口标准不尽相同,多源交通信息数据的存储、处理和使用过程中遇到了诸多困扰.为此,重庆市交通管理局与重庆市科委共同谋划了“重庆主城区交通诱导示范工程”项目,将多源交通信息数据融合技术作为项目研究的重点,采用数据融合技术对多源交通信息数据进行处理,通过判别算法实现对道路交通状态的实时判别,并利用VMS、WEB等多种形式进行道路交通状态的发布,从而实现对主城区路网交通流进行策略性分流的目标.     

基于联合投票网络的交通场景天气分类方法

基于交通视频监控图像的天气识别已经成为智能交通系统中重要的研究课题.虽然卷积神经网络(convolutional neural network,CNN)在图像识别技术获得了巨大的发展,但是针对复杂交通场景的天气识别问题,现有的模型在特征表达方面仍然面临着巨大的挑战.为了提取丰富的语义特征,提出了基于联合投票机制的深度神...     

基于生成式对抗网络的路网交通流数据补全方法

交通信息的完整性直接影响着城市交通管理的效率.针对城市道路交通中因路段检测器覆盖不全或设备损坏等造成的流量检测数据缺失问题,本文提出基于生成式对抗网络 (Generative Adversarial Network,GAN)算法的交通流量数据补全方法.首先,以路段实际流量为基础,进行图像化处理生成路网二维信息图;其次,计算考虑时空信息补偿的路网关联矩阵,利用GAN算法分析并实现路网二维信息图缺失部分的补全,进而得到路段交通流量的完整数据;最后,利用实际数据,对比分析了本文方法与相空间重构的卡尔曼滤波方法对缺失数据的补全情况.实例分析结果验证了本文方法的可行性和有效性.     

基于轨迹大数据的城市交通感知和路网关键节点识别

结合城市道路网络的拓扑结构特征和交通流特性,建立基于有向加权复杂网络的城市交通网络关键节点识别模型.以兰州市连续7天的出租车GPS数据为基础,分析并可视化呈现兰州市在工作日和非工作日的城市交通流状态,并采用基于DWNodeRank的有向加权复杂网络关键节点识别方法对兰州市路网关键节点进行识别研究.本文研究方法和结果可为交通管理部门的规划、设计和管理提供科学指导.     

基于GA-BP神经网络算法和粗糙集理论的交通事故黑点模型

道路交通事故黑点的预测鉴别是改善道路交通安全状况最重要、最关键的一步,采用基于GA-BP神经网络算法与粗糙集理论相结合的方法建立交通事故黑点预测模型.分析天津市津围公路的交通事故统计数据,通过GA-BP神经网络算法建立静态单元,考虑静态道路状况,分析得出道路的事故黑点样本.考虑实时动态道路交通环境条件的影响,并利用粗糙集理论建立有效的交通道路事故黑点预测模型,2种理论的有机结合,减少糙杂繁冗的数据量,降低伪报警率,提高事故黑点的预报精度,并通过实例进行实证分析.     

基于多尺度排列熵和长短时记忆神经网络的航空发动机剩余寿命预测

针对航空发动机性能退化失效的变点和多状态参数的时间序列预测, 构建了基于多尺度排列熵算法和长短时记忆神经网络的剩余寿命预测模型; 使用多尺度排列熵算法对时间序列进行变点分析, 求解出性能退化过程中的突变点, 得到了有故障征兆的性能退化起始点; 构建了包含多变量的长短时记忆神经网络模型, 将多个状态参数代入到模型中得到对应的剩余寿命; 将变点后的航空发动机多状态参数和剩余寿命作为样本, 代入到长短时记忆神经网络模型中进行多步和多变量的时间序列预测; 通过综合航空发动机状态参数变点分析方法和时间序列预测模型, 得到最终的剩余寿命预测结果。研究结果表明: 多尺度排列熵算法能够及时监控各个状态参数的变化, 当发现状态参数异常时, 排列熵的值会发生跳变, 从而有助于及时发现故障征兆; 长短时记忆神经网络模型通过门控单元对长时间序列数据进行信息筛选, 充分保留了有效信息用于时间序列预测; 多变量长短时记忆神经网络能够对多状态参数进行同步分析, 并且将状态参数直接与剩余寿命相对应, 提高了模型效率; 通过多尺度排列熵算法和长短时记忆神经网络模型的结合, 能够考虑到航空发动机的多退化模式, 得到更符合实际退化过程的剩余寿命预测结果; 经过算例分析, 提出方法的剩余寿命预测的均方根误差为5.3, 与长短时记忆神经网络、反向传播神经网络和支持向量机相比, 误差分别降低了63%、72%和78%。      

������֪���µ������̬����ģ��

研究先进出行者信息系统(ATIS)环境下道路网络系统流量的随机动态变化,有利于实现ATIS在网络系统中的进一步优化配置.在出行者经验积累过程基础上,引入ATIS作用下的认知更新过程,将路网系统的路径流量明确视为随机变量,提出了一个基于认知更新的随机动态分配模型.证明了该模型产生的路径流量渐近收敛于一个平稳概率分布.在算例网络中验证了模型的可行性,模拟有ATIS和无ATIS两种情形下路径流量的随机动态变化.结果表明,两种情形路径流量均收敛于平稳概率分布.前者的平均流量近似于随机用户平衡(SUE),而后者的平均流量不是平衡流量,但其网络总费用要低于前者.     

基于小波和自适应模糊神经的旋转设备故障诊断

针对传统的故障诊断方法和单独使用某一种智能诊断方法的局限性,将小波分析的故障特征提取方法和自适应模糊神经网络结合起来,对旋转设备的故障诊断进行了研究;通过对电机设备进行的故障诊断仿真实验,结果表明,与单独使用神经网路方法相比,该方法可以获得更高的故障诊断精度和诊断速度。     

小波包-神经网络在摆式列车倾摆控制系统故障诊断中的应用

针对摆式列车倾摆控制系统故障的特点，研究了神经网络结合小波包分析进行故障诊断的方法，采用小波包分解和信号重构的方法，将在摆式列车试验台上采集到的振动信号分解到不同的频带以提取有关的故障信息，并将振动信号各频带内的能量特征作为训练样本输入前向神经网络，用优于改进梯度下降法的Levenberg—Marquardt优化方法对网络进行训练，对倾摆控制系统的常见故障进行识别和诊断。实践表明，该方法对摆式列车倾摆系统故障的诊断是可靠的。     

��·ָ����Ϣ�����µ������ͨ����

提出考虑信息接收程度的Ｌogit型随机交通分配方法,来计算道路指引信息发布下路网交通的重新分配.出行者被划分成两类,一类根据信息的指引出行,另一类则以Logit型的随机方式进行路径选择;利用道路指引信息的市场占有率的概念,给出这两种出行行为共存下的网络加载算法,并运用逐次平均法实现了拥挤网络中的交通分配.数值试验结果表明,发布良好的道路指引信息有助于提高路网运行效率;对拥挤网络中的给定OD,存在一个最佳的占有率,并随着交通需求的增加而增加;在合理的占有率下,增加信息指引路段可有效降低路网运行时间.     

故障树自动生成技术研究

研究了故障树的故障传播机理,建立了系统结构模型,将故障树分解为编号、元部件名称信息表和传递矩阵表,并在此基础上形成模型数据库;给出了在故障树自动生成时,通过编程将子故障树信息读取、还原、重组的过程,最终得到整个系统故障树的算法流程.     

卷积神经网络及其在智能交通系统中的应用综述

从特征传输方式、空间维度、特征维度3个角度,论述了近年来卷积神经网络结构的改进方向,介绍了卷积层、池化层、激活函数、优化算法的工作原理,从基于值、等级、概率和转换域四大类总结了近年来池化方法的发展,给出了部分具有代表性的激活函数对比、梯度下降算法及其改进型和自适应优化算法的工作原理和特点;梳理了卷积神经网络在车牌识别、...