异步电机效率优化算法设计

针对异步电机效率优化问题，提出混合在线式直流最小功率模糊搜索效率优化控制算法（FLSC）。算法利用损耗模型控制（LMC）的研究成果，设计新型比例因子提取策略，可以实时在线获得电机各稳态工况下FLSC输入和输出变量的比例因子，预先规划了算法搜索控制的方向，保证了算法的快速收敛性。根据异步电机的特性及先期的综合实验数据分析，对模糊控制用模糊集合及其隶属度函数进行系统化设计，对输入变量的ZE模糊集进行梯形隶属度函数设计，对输出变量进行正负不对称隶属度函数设计，从而解决了系统在效率最优点处的振荡问题。对小功率异步电机系统的计算机仿真及台架实验表明：针对异步电机的轻载运行工况，FLSC算法能显著提高异步电机系统的控制性能；对于异步电机转子电阻参数变化的工况也具有很好的鲁棒性。     

铁路建设用地管理信息系统(RLMIS)中GIS数据的不确定性研究

研究了铁路建设用地管理信息系(RLMIS)中描述GIS数据不确定性程度的关键维度,描述了各个关键维度,并给出了度量公式.分析了RLMIS中正确性维度与时效性维度之间的关系,建立了RLMIS数据的一般评估算法,并分析验证了其有效性.     

基于Google Map的物流监控系统设计

文中就国内物流企业对监控系统的要求做了分析，设计了一款基于Google Map的物流监控系统，包括对车载单元与监控中心的设计。其中，监控中心软件基于Google Map API进行二次开发，采用先进的最优路径算法对所设计的监控系统进行实验，结果表明所设计的系统能够实现车辆状态的实时监控和最优路径的计算与规划。     

基于蚁群算法的增程式电动中巴车控制策略优化

应用蚁群算法对某增程式电动中巴车控制策略中的关键参数进行优化，以提高整车燃油经济性。基于Matlab编写优化程序并完成优化，同时在CRUISE软件中对优化结果进行了仿真对比。仿真结果表明，优化后整车能量消耗明显降低，目标车辆燃油经济性得到明显改善。     

道床轮廓测量系统的研制

线路道床及边坡的整形作业,既要保证道床有足够的横向阻力,又要避免道砟的浪费,提高线路道砟资源的利用率,降低线路建设成本.由此可见对道床轮廓的准确测量是十分必要的.以激光测距扫描为基本原理,对激光束扫描道砟表面的回波进行信号转换和处理,将得到的激光发射点到道砟的距离和激光束的角度,形成所测道床的实际轮廓;通过图像比较可得到道床实测轮廓与标准轮廓的偏差:经过系统的积分计算,得到该断面道砟量的盈亏;在车行过程中对道床连续扫描,将全部断面的测量结果进行积分计算,可以得到该段线路道床道砟的总量盈亏,为线路补砟提供准确依据.     

基于改进A*算法的智能车路径规划研究

针对智能车使用A*路径规划算法存在转折点和冗余点的问题,提出一种考虑智能车静态特性的改进A*路径规划算法。在已知静态环境信息的栅格地图上,考虑到智能车自身存在实际宽度,对障碍物进行膨胀扩展;其次根据路径上前后节点相对方向的改变提取必要的转折点,并依次连结前后转折点,若转折点连线不经过障碍物,删除连结转折点之间冗余的转折点;重复上述操作,直至所有冗余点被删除,保留关键转折点。仿真结果表明,该方法可以实现车辆安全无碰撞地到达目标终点。     

基于安全场改进RRT*算法的智能汽车路径规划方法

快速搜索随机树(rapidly-exploring random tree, RRT)算法是智能汽车路径规划的常用方法,但传统RRT和RRT~*算法存在路径抖动大、易陷入局部区域和计算效率低等缺点。针对这些问题,本文中结合实车数据提出了一种基于安全场改进RRT~*算法的智能汽车路径规划方法。首先,建立了基于安全距离模型的安全场,通过驾驶数据采集试验对模型关键参数进行了提取;在此基础上,提出了具备安全场引导和角度约束等策略的改进RRT~*算法;最后,通过仿真对算法进行了验证。结果表明,本文提出的路径规划方法能计算出满足车辆轨迹曲率约束的有效路径,同时具有较快的搜索速度和更高的成功率。     

联网收费IC卡调配算法研究

本文对合理的通行卡的调配进行了简述，并通过相应公式，概述了其调配算法。     

路网车流径路选择随机相关机会规划模型及其混合遗传算法

研究随机环境下车流径路的选择问题,首先给出路网车流径路方案可靠性的定义,并在此基础上建立随机环境下车流径路选择问题的随机相关机会多目标规划模型。模型考虑了车流具有不同权重的情况,目标为极大化车流径路方案的可靠性及极小化期望总费用。用C＋＋语言编写K短路算法,并在Visual Studio 6.0上基于该算法开发了软件,用于计算网络上任意两点之间的K短路。以该软件计算出的K短路作为节点间的可选径路集,提出一种基于随机模拟的混合遗传算法。算例表明,在不同交叉和变异概率的条件下算法均可在给定进化代数内收敛至相同的最优解,有较强的适应性。