基于随机森林的雨天车辆跟驰风险行为研究

为降低雨天车辆跟驰行为风险,建立了一种基于随机森林的雨天车辆跟驰风险水平判定模型.通过引入降雨条件和安全距离,同时解决跟驰风险不易被量化分析及准确判定的问题,对传统驾驶风险判别模型进行修正,从而提取降雨条件下车辆运行跟驰风险特征,判定当前状态下的车辆跟驰风险.利用UC-winRoad驾驶模拟器仿真实验输出的降雨条件(包括降雨等级、路面水膜厚度、路面附着系数)和车辆运行数据(包括纵向车速、加速度、安全距离)进行验证,构建了引入风险熵的风险水平判定模型;通过随机森林算法对模型进行训练,并对风险特征进行提取,输出风险水平的判定结果.结果表明,该模型获取的风险水平误差小于1级,相比人工神经网络和支持向量机,平均相对误差分别降低了10.36%和4.54%.所提出模型可作为实用工具判定雨天车辆跟驰风险水平.      

舰船通信系统电磁环境分析

基于电磁环境对舰船通信系统的影响,通过对通信系统设备状态、电磁干扰的来源、电磁干扰的特性、干扰的传播、电磁干扰的危害等方面的探讨,分析了舰船通信系统的电磁环境。     

路网最优费率的双层规划模型及算法

为寻求系统、科学的路网最优费率测算方法,提出用双层规划模型描述路网管理者、收费道路经营者和车辆用户三者在费率决策中的博弈关系,其中上层以路网用户盈余最大化为目标,下层是弹性需求下的多车型随机用户均衡模型,设计了遗传-模拟退火混合优化的求解算法。计算发现路网收费收入目标的高低将直接影响测算所得费率的高低,进而影响各车型OD出行量,且时间价值低的车型用户比时间价值高的车型用户受费率变化的影响要更为显著,表明双层模型在费率决策过程中能兼顾相关各方的利益,建模时考虑车型分类能更合理地反映现实情况;与遗传算法、模拟退火算法相比,遗传-模拟退火算法计算结果最优。     

任意随机适应序列关于广义随机选择系统的一类极限定理

将广义随机选择系统（也称赌博系统）的概念引入任意随机适应变量序列极限定理的研究,得到了任意随机适应序列关于随机选择系统的一类收敛定理,使得一些已有的结果成为其特例．     

随机波浪中船舶航行非线性横摇稳定性评估分析

在随机波浪中船舶航行容易产生随机扰动导致非线性横摇,为了提高船舶航行的稳定性,提出一种基于改进扩展卡尔曼滤波(EKF)的随机波浪中船舶航行非线性横摇稳定性控制方法。采用微惯性航姿调整方法进行随机波浪中船舶航行非线性横摇稳定性参量控制,根据航行姿态参量的准确估计,实现船舶横摇稳定性评估。仿真结果表明,采用该方法进行船舶航行非线性横摇控制的稳定性较好,航行姿态参量的准确跟踪能力较强,实现姿态角的实时调整,降低姿态调整误差,提高了船舶航行的安全性和稳健性。     

基于运行模态分析的船舶推进轴系状态监测

论文提出一种基于运行模态分析(OMA)的新的船舶推进轴系状态监测方法。论文以船舶推进轴系试验台为试验对象,获取轴系运行时不同加载工况下的扭振信号,利用基于数据的随机子空间法(DD-SSI)识别扭振的固有频率,并与已知的试验模态分析(EMA)识别的轴系静态时同一加载工况下的结果进行对比,验证运行模态分析识别结果的准确性,并研究不同加载工况下轴系扭振固有频率随加载工况的变化规律。试验结果表明,运行模态分析能够准确识别轴系的扭振固有频率,且扭振固有频率的增量与加载量呈正相关,因而运行模态分析可以用作一种新的船舶推进轴系状态监测方法。     

船舶在随机波浪中的运动稳定性研究

我国航运非常发达,船舶航行的安全和稳定性是人们一直最为关注的问题。船舶航行的环境是随机非线性变化的,环境的随机性和非线性是研究船舶稳定性的两大难点。本文在传统的白噪声的基础上,将参数激励看成是有界噪声,研究船舶在横浪和纵浪情况下稳定性,仿真实验,结果表明,船舶在随机波浪中的稳定性可以通过改变航速和航行方向进行控制。     

基于机器学习的船舶螺旋桨敞水性能预报代理模型

介绍了基于机器学习的经典模型,以螺旋桨特征参数为输入,建立船舶螺旋桨敞水性能预报代理模型。对几种典型的回归模型,分析了它们的预报精度和适用性。用随机森林方法建立了船舶螺旋桨敞水性能预报代理模型,其预报结果与试验数据吻合较好。对未知桨试验结果的验证表明,K_T和10K_Q的预报偏差在5%以内,敞水效率预报偏差在2%以内。该研究为船舶螺旋桨性能预报提供了新的手段,有望缩短设计周期,提高设计效率。     

基于行驶数据挖掘的DCT车辆平直道路换挡规律研究

针对基于车辆动力学制定的换挡规律适应性差,基于多维数据结合智能算法训练的挡位决策模型无法直接应用于实车等问题,提出了一种通过挖掘熟练驾驶员驾车行驶数据提取平直道路换挡规律的方法。首先,通过试验采集海量行驶数据,接着利用小波去噪、spearman相关性分析和信息增益计算提取平直道路行驶的3个最主要特征,最后通过对比6种机器学习算法在各挡位下对决策值（升挡、降挡和保持）的分类精度,选取精度最高的随机森林算法生成车速-加速踏板位置-发动机角加速度三参数换挡规律。仿真结果表明：该方法可有效收集平直道路下的熟练驾驶员换挡策略,提取的换挡规律油耗水平接近经济性换挡且动力性较好。