考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤,一是压缩 AIS 数据,二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法,只考虑船舶轨迹的压缩形状,忽视了船舶航行中其他重要信息。为解决此问题,把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面,传统谱聚类方法只对船舶轨迹的位置进行相似性度量,没有考虑船舶轨迹的其他维度,针对此问题,提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量,引入Calinski-Harabasz指标评价谱聚类算法,实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究,并与传统谱聚类算法做比较实验。实验结果表明,利用该方法提取到的典型轨迹符合真实水域的交通情况,相较于传统谱聚类方法具有更高的聚类质量。     

面向车身数字化工艺开发的多机器人避障算法

在汽车行业制造流程快速向“数字化”与“智能化”转型的背景下,制造工艺自动开发技术获得学术与产业界的广泛重视。针对车身制造过程多机器人工位中自动化工艺路径规划问题,提出基于智能化算法的多机器人系统避障与协调规划算法。针对现有机械臂在复杂多障碍物环境中局部路径规划时间长的问题,提出改进的APF-RRT*的机器人避障方法,缩短算法的迭代次数以及路径的总长度,实现局部路径的优化,提高局部避障算法的搜索效率。     

基于行程时间累积分布曲线的微观交通仿真模型参数标定

仿真模型参数标定是微观交通仿真技术科学应用的前提,以单个集计点作为校核目标制约了参数标定结果的可移植性.将校核对象拓展为多点组成的曲线,提出以行程时间累积分布曲线作为校核对象的模型参数标定思路,并结合动态时间规整算法(DTW算法)重新设计校核目标函数,提出基于Kolmogorov-Smirnov检验(K-S检验)、信息...     

蚁群算法优化的神经网络技术在跑道起飞容量预测中的应用

为了对机场起飞容量及飞机全部出动时间进行预测,构建了基于ACO优化BP神经网络的机场跑道起飞容量预测模型。分析了机场跑道容量的含义及其影响因素,利用飞参提取软件将影响因素的具体数值进行提取;依据BP神经网络的特点将其引入到机场跑道起飞容量预测中,为了弥补BP神经网络的缺点,利用ACO对网络进行优化,最终建立了基于ACO优化BP神经网络的机场跑道起飞容量预测模型,并与标准BP神经网络的预测结果进行对比,结果表明优化后的网络各项误差都不同程度的减小40%～60%,优化后的网络提高了模型的精度。利用优化后的模型分析了飞机质量、气温、气压、风速与起飞跑道占用时间与起飞容量的关系,并对某机场保障飞机起飞容量与出动时间进行了评估,得到飞机质量、气压、纵向风速与起飞容量大致呈线性关系,气温与起飞容量大致呈非线性关系,最后得到该机场的总出动时间与起飞跑道容量,可以更准确的评估机场保障能力。     

截面含任意多种不同时变特性时初应变问题的通用有限元算法

材料的收缩、徐变、温差梯度分布等都属于初应变问题.基于空间梁单元,该文实现了一种截面含任意多种不同初应变特性材料初应变问题的通用算法,此算法有以下特点:截面允许含有任意多种不同时变特性;可以统一实现收缩、徐变、温度等所有初应变问题的计算;初应变的发展规律可以是任意的;无论截面含有多少不同时变特性,都可以准确分析出由于材料相互间的内部约束产生的自应力及由于结构外部边界约束产生的应力;可定量分析普通钢筋和预应力钢筋对桥梁时效力学行为的影响,并定量计算出由此引起的应力重分布.     

用微粒群算法求解多元非线性方程组

分析了将多元非线性方程组的求解问题转化为求多元函数极值的优化问题的原理和方法;利用微粒群算法在连续空间中的优化能力求得极值点,得到方程组的近似解;给出了优化算法的具体流程;通过两个算例说明算法的可行性和有效性,实验结果表明此算法具有较高的效率和精度．     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

基于物元-阴性选择算法的轴箱轴承故障检测

针对高速列车轴箱轴承故障数据获取困难的问题,提出了一种无需先验知识的利用物元和阴性选择算法进行轴承故障检测的方法. 首先利用多维物元构建阴性选择算法的检测器模型,以检测器与训练样本之间的综合关联度作为匹配规则,并在综合关联度约束范围内引入控制参数,实现检测器对非己空间的更大覆盖;其次,根据匹配规则和控制参数构建适应度函数,采用粒子群优化算法生成候选检测器,分析控制参数对检测器生成和粒子群优化算法收敛速度的影响;此外,为降低候选检测器集合的冗余度,基于关联度提出了检测器特征参数区间的合并规则,将成熟检测器个数降低至18个;最后,通过信号模拟方法生成轴箱轴承的各类故障信号,建立100组测试样本,并利用18个成熟检测器进行故障检测. 研究结果表明:成熟检测器对不同类轴承故障均具有较好的检测性能,正常样本的检测器激活率为1.11%,故障样本的检测器激活率不低于96.67%.      

多人共站第一类混流装配线平衡问题的优化

针对使用传统模型和算法求解第一类多人共站混流装配线的平衡问题,兼顾工作站数、工人数和工作站负荷均衡,引入了新变量和不对称约束来构建新的数学模型. 提出了一种改进的鸡群算法,使用基于优先权值的编码方式在解码过程中优先选择能最早开始作业的工人来减少序列相关空闲时间,设定工位分配接受准则来分配工人数量以减少工位平均空闲时间;根据适应值大小将种群分为3个不同的群体来实现系统的有效搜索,其中,公鸡群个体基于其适应值差异在不同大小的邻域范围内搜索,母鸡群个体基于适应值相关的参数分别向所归属的公鸡或者其他公鸡/母鸡方向搜索,小鸡群个体则向其归属的母鸡方向搜索;最后将新模型和改进的鸡群算法用于求解标杆算例. 研究结果表明:在算例验证中,对比传统的模型,新模型多找出8个算例的最优解,且寻优速度更快;在算法平均收敛运算时间相似的情况下,本文所提算法求得的平均工人数、工位数以及平滑指标系数等评价指标分别提高了10.74%、16.05%和44.89%,验证了所提模型和算法的有效性和优越性.      

基于人口合成技术的居民出行调查数据扩样

为提高居民出行入户调查样本代表性,使调查数据能够准确反映居民出行特征,在分析居民出行调查数据处理现状及常规扩样方法局限性的基础上,引入基于人口合成技术的IPU算法(iterative proportional updating)和GRE算法(generalized regression),对深圳市居民出行入户调查数据进行实证分析,并利用相关系数及相对误差指标对扩样结果进行评价.结果表明:利用算法关联家庭与个人表的频数矩阵,通过迭代调整扩样权重值、IPU算法和GRE算法均能很好地拟合家庭与个人的属性分布与总体一致,且相对误差控制在6％ 左右,满足扩样的精度要求.由于IPU算法更具普适性,算法不受初始权重及稀疏样本限制,其扩样误差及波动性较小,扩样结果更为稳健.