高速列车噪声源声功率与速度的函数关系

为了解决既有对数经验公式无法拟合高速列车显著声源贡献率与速度的函数关系这一问题,使用轮辐声阵列进行高速列车车外声源识别试验;根据显著声源位置对列车表面进行区域划分,量化分析显著声源区域的声功率级和声功率贡献率与速度之间的关系;在既有对数经验公式的基础上,根据不同种类噪声声功率随速度的变化特性,建立新的拟合公式;结合列车噪声测试数据对新的拟合公式进行验证. 研究结果表明:列车以350 km/h运行时,下部区域对列车总辐射噪声的贡献率占70%以上,升弓区域对局部区域声功率的影响最显著,超过50%;随着速度的增长,下部区域的贡献率逐渐减小,弓网区域逐渐增大,显著声源区域的贡献率变化先快后慢,最后趋于稳定;利用新的拟合方法得出,列车声源区域的声功率级和声功率贡献率与速度的拟合度基本都在0.9以上.      

列车引起环境振动预测方法与不确定性研究进展

系统总结了列车运行引起环境振动的各类预测方法及其不确定性问题, 梳理了初步预测、确认预测和精准预测3个预测等级内各种方法和模型近10年来的发展状况; 讨论了模型输入参数的随机不确定性, 包括车辆之间差异、轮轨磨耗以及预测模型中输入地层参数等带来的不确定性; 根据新的测试结果分析了车轮和钢轨磨耗状态对地铁振动源强不确定性的影响。研究结果表明: 机器学习方法和地层传递函数解析法可用于初步预测阶段; 用于确认预测的各类数值和解析模型日益完善, 预测效率日益提高, 但考虑车轮和钢轨磨耗发展的轮轨激励输入方法仍有待进一步完善, 仍需进一步发展振动传递路径清晰且可用于工程预测的建筑结构动力学模型; 精准预测需要发展混合预测方法并研究其在地下线振动预测中的应用; 目前对预测结果精准性和预测方法可靠性的研究十分欠缺, 绝大多数预测只能给出定值结果, 无法考虑轮轨磨耗、养护管理水平和振动在地层中传播的不确定性; 建议进一步开发具有远程智能离线采样功能, 并可在建筑结构上长期便捷安装的小型振动采集装置, 以便与机器学习预测方法相结合, 从而适应未来智能化预测的发展要求; 建议发展能够描述钢轨短波磨耗状态等级和车轮不圆顺等级的粗糙度谱, 构建完整养护维修周期内环境振动动态预测模型; 应发展具有可靠性及精准度要求的智能化预测方法, 并在未来实现由定值预测向概率预测发展的根本性转变。      

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

城市轨道交通常态与非常态短期客流预测方法研究

城市轨道交通客流特征除表现为常态的周期性、季节性及高峰性外,还会因节假日、体育赛事、城市大型活动、突发事件、特殊天气等因素表现出差异性和特殊性,本文对较为成熟的常态及研究较少的非常态客流预测方法进行了实验.首先利用通用的ARIMA时间序列预测算法分析样本历史数据实现常态日客流预测;其次针对客流特殊因素提出时间序列及回归分析的组合模型,同时引进虚拟变量和结合相似日样本数据进一步改进,实现非常态预测问题的高精度求解.仿真计算结果表明,本文方法对解决短期客流预测具有良好的适用度,尤其同样本同预测周期条件下的非常态组合改进模型和常用单一时间序列模型的对比,证明改进模型可以很好地应用在客流特征既包括随时间固有不变的性质又表现出特殊因素的研究中,具有较强的自适应性和更好的预测精度.     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

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.     

我国高铁快运潜在市场规模预测

对我国高铁快运的潜在市场规模预测,有利于优化高铁快运服务质量,支撑高铁快运服务产品开发。以快递量作为潜在转移对象,建立向量自回归模型进行快递量预测;考虑运输安全性、便捷性、经济型、可靠性和时效性等影响因素,构建logit分担率模型进行分担率预测,得到了高铁快运市场可分担率及2020-2025年的潜在市场规模。结果表明,高铁快运市场潜在规模远大于实际市场情况,通过提高寄件服务便捷性,缩减前置等待时间,优化两端作业时间,将有利于提高高铁快运市场占有率。     

武汉市需水量的灰色预测

根据武汉市过去若干年用水量的统计资料,建立了武汉市多种用水量的灰色GM(1,1)模型。采用该模型对武汉市2010年、2015年及2020年的各类用水量进行了预测,给武汉市节水用水工作提供了重要的参考依据。验证结果表明,模型精度高,预测结果可信度强。     

基于Elman网络模型的空中目标识别方法

为了准确、迅速识别空中目标类型,建立基于Elman神经网络的空中目标识别模型。该模型降低了以往空中目标识别方法中的人为因素,提高目标识别结果的可信度和快速性。通过实例验证,证明该模型的有效性和正确性。     

基于分阶段筛选的雷达装备电磁干扰预测方法

针对作战演练对电磁环境的要求,提出了基于分阶段筛选的雷达装备之间电磁干扰预测方法。采用干扰源与接收机逐对考虑的方式,极大简化了计算。并采用分阶段预测的方法,即分成：快速筛选、幅度筛选、频率筛选和详细预测四个阶段进行逐阶段分析和预测,并实现了与地理信息系统相结合的软件可视化操作。