转换层位置对高层建筑结构地震反应影响的研究

介绍了转换层结构的概念及国内外对转换层结构位置的研究现状,阐述了转换层结构分析的两种方法:振型分解反应谱法和动力时程分析法,运用这两种方法举例分析了转换层位置对结构自振周期、振型、地震反应力及分布等地震反应的影响,最后提出应按照规范要求限制转换层的设置高度,并适当加强转换层上下一至两层竖向构件的截面及配筋设计的建议。     

基于局部均值分解与局部离群因子动力电池故障诊断

动力电池故障诊断是保证电动汽车正常运行的关键。提出一种基于局部均值分解和局部离群因子的动力电池故障诊断方法,用于电池组故障识别与定位。通过局部均值分解对电压信号预处理,并根据相关系数高低重构电压信号。进一步提取重构信号的峭度因子作为故障特征输入到局部离群因子算法中,根据局部离群因子算法自适应阈值输出故障电池。采用实车数据验证了所提方法能有效、准确地检测出故障,具有较好的可靠性与鲁棒性。     

基于主元分析和聚类的船舶机电设备性能变化趋势的提取

利用主元分析模型和小波变换模极大值法,提出了监测船舶机电设备性能变化的趋势提取方法。基于聚类思想,定义了奇异值分散性测度,估计了主元数;类似地,通过对复相关系数的聚类分析,确定了主元显著相关变量。算例证明了文中方法的有效性。     

小波分析在地质雷达数据去噪中的运用

地质雷达广泛运用于公路建设和检测中,而传统的滤波去噪方法已不能满足数据处理的运用要求.通过运用小波与小波包分析进行数据处理,能够取的良好的去噪效果.     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

基于J1939协议多包报文的时序研究及应用

基于J1939协议,针对总线上有多条多包报文,尤其是多包报文的周期有固定的也有不固定的时候,多包报文之间的时序需要严格控制,不然会出现漏帧、周期不准的问题;本文分析研究多包报文的最佳时序,为多包报文的有序完整发送提供理论和实践数据基础。     

基于DWT-LSTM的航道水位智能预测模型研究

航道水位信息是内河船舶安全通航、合理配载的决策依据之一.为揭示内河航道水位特征、提高短时预测精度,提出了一种基于小波分析(DWT)和长短时记忆(LSTM)的耦合神经网络模型,以汉口水位站为例,验证了模型有效性,并与传统BP神经网络、小波分析-BP神经网络和LSTM神经网络模型进行对比分析.研究结果表明:四类模型均可满足...     

数码宝贝的"头等舱"

又到度假时光了!开着如意的车,你算是坐上了自己的头等舱,可你的那些数码宝贝呢？千万不要冷落了它们,让它们也在一个个价廉物美的数码背包里尽情欢唱吧。[编者按]