一种基于BM3D的接触网图像自适应去噪新方法

为了更好地检测和识别接触网图像,首先要降低图像中的噪声。目前,BM3D是针对高斯等多种噪声降噪性能较好的算法,但它自身也存在一些不足,为此,本文提出一种基于BM3D的自适应去噪新方法(简称ABM3D)。该方法在假设噪声方差未知的前提下,无需人为设定滤波阈值,通过自适应估算较为准确的阈值,实现二维和三维DCT变换域的自适应滤波,得到基础估计图像,利用估算的阈值计算出较为准确的噪声方差,实现联合维纳滤波得到最终估计图像,同时简化了参数设置,尤其是对降噪效果影响较大的参数。实验结果表明:本文提出的算法是有效的,即使在噪声强度非常高的情况下,利用其得到的降噪图像也能较好地保留边缘等细节信息,更具有实用价值。     

城际铁路通信系统跨层自适应传输方案研究

针对城际铁路专用业务对可靠性和安全性要求较高的特点,提出将链路传输关联业务数据类型的跨层自适应传输方案,分析综合AMC和HARQ技术的系统平均误包率和接收成功率等指标。仿真结果表明,改进的跨层自适应传输方案可显著提高系统的可靠性和安全性,满足城际铁路通信的各种类型业务。     

改进的道岔智能故障诊断系统建模研究

铁路系统转辙机维修方式仍沿用故障修模式,无法提高故障排除速度和准确性,提出利用改进遗传算法优化贝叶斯网络的方法建立故障诊断模型。利用遗传算法搜索能力强,不易陷入局部最优的特点,采用连接矩阵代替网络结构的编码方式,通过修改适应度函数、更新遗传操作方式、修正非法图等方法改进遗传算法,最终解决贝叶斯网络结构学习算法容易缩小搜索空间及易陷入局部最优的缺点。最后利用标准Asia网络验证本文算法比K2和GA算法有更好的搜索结果和更快的收敛速度,以道岔失去表示故障为例验证改进算法对转辙机故障诊断的优越性。     

铁路集装箱空箱调运问题的遗传算法

根据铁路集装箱运输的特点,对空箱调运问题进行了分析,并设计了遗传算法求解这类问题.采用整数矩阵编码,通过对父代染色体的线性组合取整运算作为交叉算子,并做适当调整以保证解的可行性,同时利用矩形闭合回路调整调运量作为变异算子.以兰州铁路局集装箱办理站为例进行了验证,结果表明:该算法不仅效率非常高,而且可以得到问题的多个最优...     

多配送中心车辆调度问题的模型及其遗传算法研究

在对多配送中心车辆调度问题进行直观描述的基础上,建立了该问题的数学模型。运用遗传算法求解配送路径,并提出了采用路径距离最短分配法将多配送中心车辆调度问题的路径分配给各个配送中心的策略。     

基于换乘站点的轨道交通与常规公交运营协调模型研究

城市轨道交通与常规公共交通的运营协调是实现公共交通一体化的基本内容,也是提高公共交通系统自身运营效率和服务水平的重要途径.现以系统总成本费用最小为目标,对轨道交通和常规公交的协调运营组织进行优化,详细论述总费用(包括运营商和乘客费用)函数的计算方法,并基于概率论方法,提出4种不同类型换乘站乘客换乘费用的确定方法,最终建立轨道交通与常规公交运营协调模型.研究表明,该模型能够有效降低公共交通系统的总体费用和乘客的换乘时间,且平峰时段相对于高峰时段的运营协调效果更明显.     

工程项目进度计划编制的关键链法研究

研究目的:目前的工程项目面临着环境不确定性和资源限制等因素的制约,使传统的网络计划技术已无法满足日趋复杂的建设项目对进度计划的可行性和稳健性的要求,因此,有必要提出应用模糊关键链编制项目进度计划的新方法.研究结论:在考虑实际项目的资源约束和不确定性问题的基础上,提出应用模糊关键链进行项目进度调度的方法,即采用改进的遗传算法求出在期望工期下的关键链和各工作的最优开始时间,并给出确定项目缓冲区和输入缓冲区大小的算法.该方法融合了关键链方法的优势,着眼于整体项目,可以编制出可行而稳健的项目进度计划,尤其适用于实际过程中资源约束和不确定项目的进度编制,可作为项目管理人员编制进度计划的一个有效工具.     

求解铁路空车调整问题的一种优化算法

由于铁路的空车资源严重不足,空车调整方案优化与否不仅影响全路运用车的数量,还直接关系到铁路企业的运营效益,为此,相比较已有的算法,遗传算法有很强的收敛能力,神经网络有较好的学习能力及鲁棒性,结合两者的优点提出基于遗传算法优化神经网络的方法来实现空车的调整,降低空车走行率,且建立了空车调整的数学模型,并通过算例验证了该方法的可行性。     

无决策属性的多属性决策权重融合方法

针对无决策属性的多属性决策系统的2种属性权重分配方法(主观赋权法和客观赋权法)的缺陷，提出了一种新的权重融合方法．该方法通过建立数学规划模型，用遗传算法寻求其全局最优解，以确定最佳的主客观权重融合方案，从而可以避免权重融合时人为偏好的影响．最后，给出了1个实例．     

基于混合遗传算法的连续空间下机器人的路径规划

介绍一种基于遗传算法的移动机器人路径规划的新方法．采用混合遗传算法对连续空间下机器人的路径进行规划时，先对规划空间利用Ford算法进行链接图建模，得出可选路径，然后再使用遗传算法来调整各个路径点，最后得到最优的或近似最优的优化路径．该方法可以克服可视图法和人工势场法在路径规划中的某些不足．