Outlier Rejecting Muitirate Model for State Estimation

Wavelet transform was introduced to detect and eliminate outliers in time-frequency domain. The outlier rejection and multirate information extraction were initially incorporated by wavelet transform, a new outlier rejecting multirate model for state estimation was proposed. The model is applied to state estimation with interacting multiple model, as the outlier is eliminated and more reasonable multirate information is extracted, the estimation accuracy is greatly enhanced. The simulation results prove that the new model is robust to outliers and the estimation performance is significantly improved.     

A Robust Interacting Multisensor State Fusion Based on Adaptive Outlier Controlling Multirate Model

An adaptive outlier controlling multirate model based on Hong’s multirate kinetic model was represented in order to resist the outliers and utilize their useful information. Wavelet transform was introduced to detect and control the outliers. The multirate information extraction and the controlling of outliers were properly integrated to establish an adaptive outlier controlling multirate model. The proposed model was applied to multisensor state fusion with interacting multiple model (IMM), and a robust interacting multisensor state fusion algorithm was established based on adaptive outlier controlling multirate model. The Monte-Carlo simulation shows that it could improve the accuracy of fusion estimation by 70% compared to Hong’s algorithm and at least 14% to Xiao’s algorithm.     

多采样率EKF及其在感应电机转速估计中的应用

在深入研究EKF算法和多采样率数字控制系统的基础上,建立了多采样率EKF算法,分别推导了其输入和输出算法,并将其应用于感应电机的转速估计中.通过仿真验证了该算法比单采样率扩展Kalm an滤波算法具有更高的信息获取和状态估计能力,并能有效抑止噪声,转速估计误差减小41.7%~87.6%.     

Reliability Prediction Method Based on State Space Model for Rolling Element Bearing

Reliability analysis based on equipment’s performance degradation characteristics is one of the significant research areas in reliability research. Nowadays, many researches are carried on multi-sample analysis. But it is limited for a single equipment reliability prediction. Therefore, the method of reliability prediction based on state space model(SSM) is proposed in this research. Feature energy of the monitored signals is extracted with the wavelet packet analysis and the associated frequency band energy with online monitored data. Then,degradation feature is improved by moving average filtering processing taken as input pair model parameter of SSM to be estimated. In the end, state space predicting model of degradation index is established. The probability density distribution of the degradation index is predicted, and the degree of reliability is calculated. A real testing example of bearing is used to demonstrate the rationality and effectiveness of this method. It is a useful method for single sample reliability prediction.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于多阈值处理的信号多尺度估计算法

给出了一种基于多阈值处理的信号多尺度估计算法。首先对原始测量进行了多尺度小波分解,得出各尺度上的平滑信号和细节信号。对各尺度上的细节信号再作进一步的小波分解,对分解出的次平滑信号和次细节信号进行不同的阈值处理,然后重构,作为相应尺度上的细节信号。最后对最粗尺度上的平滑信号作卡尔曼滤波,再依次与各尺度上的细节信号进行重构,最后得到原始尺度上的信号估计值。     

A Model of Federated Evidence Fusion for Real-time Urban Traffic State Estimation

In order to make full use of heterogeneous multi-sensor data to serve urban intelligent transportation systems, a real-time urban traffic state fusion model was proposed, named federated evidence fusion model. The model improves conventional D-S evidence theory in temporal domain, such that it can satisfy the requirement of real-time processing and utilize traffic detection information more efficaciously. The model frame and computational procedures are given. In addition, a generalized reliability weight matrix of evidence is also presented to increase the accuracy of estimation. After that, a simulation test is presented to explain the advantage of the proposed method in comparison with conventional D-S evidence theory. Besides, the validity of the model is proven by the use of the data of loop detectors and GPS probe vehicles collected from an urban link in Shanghai. Results of the experiment show that the proposed approach can well embody and track traffic state at character level in real-time conditions.     

基于GPS的移动体定位模型与状态估计

本文从一般理论出发，分析了移动体运动状态的动力学关系，推证了移动体的状态方程和在移动体上对卫星进行跟踪观测的观测方程，给出了其详细的表达式及其状态参数估计的卡尔曼滤波器，并证明了滤波的一致渐近稳定性。     

车削加工切屑卷曲及运动的三维模型研究

对切屑的三维卷曲模型进行了详细的分析，认为切屑具有上卷、侧卷和横卷3种基本的卷曲形式．切屑的运动在加工中是沿着进给方向前进，因此需要对切屑模型向进给方向变换，才能更好地描述切屑在空间的运动形式．切屑运动研究为切屑仿真以及实际加工中控制切屑的形成和折断打下理论基础．     

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。     

基于改进小波变换方法的混沌信号去噪研究

针对混沌信号和噪声频谱互相重叠,传统方法难以实现有效滤波这一问题,提出一种改进的小波去噪方法.该方法采用参数加权法构造信号,将小波分解系数进行阈值处理,通过循环迭代,利用序列中包含的有效信息,将有用信号提取出来.仿真结果表明,利用改进小波变换去噪方法改善了混沌时间序列的预测结果,证明了该方法的有效性.     

公路建设工程的环境损失估算模式探讨

为了推进公路建设与环境的和谐发展,在不同领域环境价值评估方法的研究基础上,设的特点,选取生态破坏直接损失、土壤价值损失、人体健康损失及噪声污染损失等主要估算了较为系统和全面的环境价值损失的估算模式。该估算模式可服务于公路建设方案的评价与决“绿色交通”的建设有着积极的推动作用。针对公路建因子,建立策,对我国     

LOGITģ�Ͳ������Ʒ����о�

离散选择模型，特别是LOGIT模型在交通需求模型建立过程中，应用非常广泛，许多实际的交通政策问题都涉及到方式选择，然而LOGIT模型的建立非常困难，尤其是效用函数及参数估计.本文重点就LOGIT模型参数估计的有关问题进行讨论，特别是运用统计方法如何对效用函数的变量进行选取及比较不同形式效用函数.     

一种改进的IGBT稳态解析模型

根据IGBT物理结构与基区过剩载流子的分布特点进行半导体物理公式推导,参考现有模型并对其不足之处进行改进,把整个基区分为多个区域并采用不同的边界条件分别求解连续性方程,提出了一种考虑了载流子二维分布的改进的稳态解析模型,较准确地反映了IGBT基区过剩载流子分布,得到了更为准确的V-I特性仿真结果,通过实验验证了该模型的准确性.     

伊辛模型实现量子态存储和调节

考虑利用腔QED理论模拟伊辛模型,双原子在腔中演化之后,可以实现特定量子态的稳定存储,调节相互作用时间和外驱动场的频率可以实现最大纠缠态的制备.     

城市轨道交通网络短时客流OD估计模型

基于状态空间方法构建适用于城市轨道交通网络的短时客流OD(origindestination) 估计模型.利用自动售检票数据分析得到OD间乘客行程时间分布特征,构建基于行程时间分布的客流到达系数,以此建立OD流与车站进出站客流间相互关系,并以车站客流分离率为状态变量构建结构化OD矩阵估计状态空间模型.以北京市轨道交通为对象进行案例分析,结果表明,当估计时段长度为15 min 时,估计平均相对误差为 35.5%;为30 min 时,估计平均相对误差为20.4%;为60 min 时,估计平均相对误差为 16.3%.所构建模型能能有效解决城市轨道交通短时客流估计问题,具有一定的实用性.     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.     

基于奇异值分解的灰色模型参数估计

提出了一种新的基于奇异值分解的GM(1,1),GM(1,N)等灰色模型参数估计方法,该方法在进行奇异值分解时,借助2个辅助矩阵将奇异值分解矩阵分解为多个矩阵之积.研究了该估计方法下对原始序列进行数乘变换后参数的变化特征.研究表明该方法充分利用了奇异值分解的优点,回避了由于最小二乘法给灰色模型带来病态性的缺点,提高了模型的稳定性,同时还减少了计算量.     

灰色模糊估算模型在工程造价中的应用

通过选择预估工程按照模型计算分析,系统研究将灰色系统理论应用到模糊估算中,灰色模糊估算模型计算的单方工程造价既考虑各个工程横向特征的相似程度,也考虑纵向发展态势的变化。将两者结合起来,探讨建立一个新的指标-综合相似度。