基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

虚拟化在铁路旅客服务信息系统集成管理平台的应用研究

研究虚拟化技术在铁路旅客服务信息系统集成管理平台(简称:旅服平台)的应用,解决旅服平台基础架构无法满足平台快速部署等问题,实现7×24 h不间断稳定运行,故障及时处理,提高物理服务器利用率。虚拟化技术的应用,提高了旅服平台的可用性、稳定性和安全性。目前,虚拟化旅服平台已经在多个铁路局集团有限公司应用,应用效果良好。     

基于主元分析-概率神经网络的车辆受电弓故障诊断

在城市轨道交通车辆受电弓日常检修过程中,大量检修及故障数据未得到合理利用。针对计划检修已不能满足目前受电弓检修要求的问题,提出了一种基于主元分析和概率神经网络结合的故障诊断方法。该方法运用主元分析法对受电弓日常检修中的初始特征参数进行降维,将降维后特征参数输入到概率神经网络模型中进行故障诊断,判定受电弓故障模式。仿真结果表明,该诊断方法耗时短、正确性高。     

SA-BP神经网络在轨道电路故障诊断中的应用研究

针对25 Hz相敏轨道电路故障的复杂性,提出一种模拟退火(SA,Simulated Annealing)算法与BP神经网络相结合的故障诊断方法。发挥SA算法全局寻优的特点来优化BP神经网络的学习过程,避免网络训练时间长和陷入局部极小值;通过Matlab进行仿真分析,结果表明,将该方法应用于轨道电路故障诊断,可有效提高故障诊断效率和准确度。     

广州现代有轨电车综合运营调度系统建设方案研究

基于现代有轨电车自身建设特点,对广州市海珠区环岛新型有轨电车试验段工程运营调度相关弱电系统建设现状进行分析。结合现代有轨电车运营部门对调度系统的实际使用需求,阐述基于现代有轨电车应采用弱电各子系统核心功能相对独立性的集成原则,构建综合运营调度系统平台的集成思路和总体架构研究。提出可对弱电系统的传输网络、硬件设备、软件等方面进行资源整合,并总结综合运营调度系统平台的功能和特点,为广州市后续有轨电车线路建设提供重要的参考,同时也为国内现代城市交通体系的建设提供借鉴。     

GIS-BIM在铁路工程建设管理中的应用研究

针对当前铁路工程项目地域广泛、工程复杂,传统的管理模式不能满足多维信息的共享与管理,开展基于GIS-BIM技术在铁路工程建设管理中的应用研究。采用快速建模方法构建大范围三维铁路工程结构物;通过基于数据转换的GIS-BIM融合技术实现铁路工程建设和工程结构的精细化管理;基于倾斜摄影技术,快速真实描述客观场景。利用GIS-BIM技术,构建工程建设环境,工程模型的三维场景,工程结构物模型,实现模型和铁路工程建设项目信息共享与集成、铁路工程建设项目信息化管理。基于GIS-BIM技术构建的铁路工程建设地理信息系统在郑万（郑州南站—万州北站）铁路试点应用,效果良好,此研究可为铁路工程建设信息化、可视化管理提供参考。     

基于Matlab的牵引变压器故障智能诊断方法研究

应用数据融合技术、模糊神经网络及遗传算法构建牵引变压器故障智能诊断模型,通过Matlab软件对该模型进行仿真,训练模糊神经网络以确定其结构和权重,并通过典型实例验证该模型在牵引变压器故障诊断中具有良好的故障诊断性能。