基于.NET框架的数据库应用模式解决方案

介绍数据库应用模式的发展过程，并以MICROSOFT公司的VISUAL BASIC．NET开发环境为背景，讨论了基于ADO．NET技术的多层数据库应用模式的原理和相关技术。     

寒冷地区中小跨度桥铺设无缝线路体会

结合长大线、哈长线和京通线三座有碴桥上无缝线路设计,介绍寒冷地区中小跨度有碴桥上铺设无缝线路附加力计算方法、无缝线路允许温升和温降以及墩台检算结果,说明寒冷地区中小跨度有碴桥上满足铺设无缝线路的条件,并指出养护维修中的注意事项。     

青藏铁路站区给水系统防冻融工程实验

针对青藏高原冻土区的自然条件及工程要求,通过实验分析和对比浅埋与架空2种给水管道的敷设方式,研究管道保温及加热方式、以及对冻土层的影响范围,确定适宜青藏铁路站区的给水管道敷设方式。实验结果表明:架空管道由于各桩基处冻土含水率不同,受到的冻拔力也不同,每年6月表层季节性冻土融化后,导致架空管道严重变形,且冬季管内水温降温过快,故不宜采用;浅埋管道由于采用柔性管材,配合管基粗粒化措施,可保证地基稳定,且冬季最冷日的管内水温可维持9.5 h,加热仅需1.5 h,管道对冻土的影响范围仅为0.12 m,适用于青藏铁路站区的给水工程建设。     

含水率对路用水泥混凝土的影响及微波在线测湿系统

在讨论了含水率对路用土质量的影响因素后，通过对不同种类测试器的分析，确定了较为适用的微波传感器，并给出了微波传感器的输出电压与集料含水率之间的关系式，进而对测试准确度进行计算。     

需求信息的延迟对牛鞭效应的影响

研究在一个库存环境中,用于未来需求预测的需求信息的延迟对于需求预测的影响.当通过一种补充订货策略控制补货时,这种延迟降低了历史订单信息的波动性,最终减弱了牛鞭效应的影响.     

Sensorimotor self-learning model based on operant conditioning for two-wheeled robot

Traditional control methods of two-wheeled robot are usually model-based and require the robot’s precise mathematic model which is hard to get. A sensorimotor self-learning model named SMM TWR is presented in this paper to handle these problems. The model consists of seven elements: the discrete learning time set, the sensory state set, the motion set, the sensorimotor mapping, the state orientation unit, the learning mechanism and the model’s entropy. The learning mechanism for SMM TWR is designed based on the theory of operant conditioning (OC), and it adjusts the sensorimotor mapping at every learning step. This helps the robot to choose motions. The leaning direction of the mechanism is decided by the state orientation unit. Simulation results show that with the sensorimotor model designed, the robot is endowed the abilities of self-learning and self-organizing, and it can learn the skills to keep itself balance through interacting with the environment.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

基于特征子序列修正的公交刷卡滞后时间推算

针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差等特征子序列;利用两种子序列间一对一或一对多的对应关系分别进行初步搜索和二次修正,兼顾匹配过程的效率和精度。将推算流程应用于山西省大同市公共汽车系统,结果显示,抽样车辆的刷卡匹配率均达到99%以上,并且针对不同类型的公共汽车线路具有较强的适应性。     

基于PCA-Elman-PSO算法的动力电池低温充电优化

为研究低温下电动汽车电池的充电性能,通过在不同温度下对电池进行充放电试验,获取大量试验数据,分析低温环境下影响电池充电性能的因素。通过PCA算法对众多影响因素进行降维处理,得到主要的影响因素。建立PSO-Elman神经网络模型,用于估计锂离子电池低温充电能耗。基于此基础上,利用PSO算法对传统充电CC-CV充电方法进行优化,在达到充电截至电压前,采用粒子群优化算法得到最优充电曲线的近似值,将充电时的能量耗及充电所用时间作为优化目标构建粒子群优化算法的适应度函数,用粒子群优化算法进行迭代优化。仿真测试结果表明,优化后的充电策略能有效减少锂电池低温充电时间和能量消耗。