多属性随机时间依赖网络路径优化

为了改善实时交通诱导,根据交通网络中路段属性具有随机时间依赖性的特点,将路段各属性定义为关于时间的离散随机变量,建立了多属性条件下随机时间依赖网络路径优化模型.基于信息熵的多属性决策方法,设计了模型的求解算法;优化了网络节点的搜索顺序,使每个节点的信息只通过一步更新就可得到,从而获得多属性条件下所有节点到给定终点的路径选择结果,出行者可以根据到达某节点的具体时刻选择行进方向.最后,通过算例给出了算法的实现过程,并说明了随机时间依赖网络不遵从“先进先出(FIFO)”条件.     

基于EDV-Hop的免测距定位算法研究

为了更好地提高无线传感器网络节点定位精度,降低定位成本,针对APS算法存在的不足,提出一种新的免测距定位算法EDV-Hop,通过限制跳数实现局部范围内的定位信息提取,同时调整平均每跳距离,以此提高定位精度。在网络随机部署和任意节点密度的条件下估算节点位置,并从精度和有效性两个方面进行度量。仿真结果表明,EDV-Hop算法比DV-Hop具有更好的定位性能,它能够减少节点间通信量,降低通信成本,提高定位精度。     

平面交叉口事故预测及突出事故形态鉴别

应用神经网络技术建立了基于三层感知机的平面交叉口事故预测模型,该模型的特点是可预测出具体事故形态的事故数.模型检验结果表明,预测精度达到了89%.在得到分事故形态的事故数预测结果后,基于"突出性"原理建立了一种鉴别事故多发形态的方法.     

无线传感器网络多路径路由算法的研究

在多路径路由算法的研究中,仍然存在着一定的局限性,如没有充分考虑网络中链路的多重特性.因此,文中在定向扩散路由算法的基础上提出了一种多路径路由算法(EDB-MRA).该算法在源节点和目的节点之间建立多条路径,根据网络链路中的3个特征值--能量消耗、延时和带宽,给每条路径赋予一定的选择概率,使得数据总能在链路性能较优的多路径中传输,从而延长了网络的生存周期,提高了传输的可靠性.     

基于BP神经网络算法的特大跨度斜拉桥施工过程中的线形预测

随着斜拉桥跨度的增大,其几何非线性因素影响越来越明显,这就需要寻求考虑几何非线性影响的特大跨度斜拉桥施工线形预测方法。文章分析BP神经网络算法的基本原理及改进措施,借助Matlab语言建立预测模型,探讨其在特大跨度斜拉桥施工控制中的应用。以某主跨为1088m的特大跨度钢箱梁斜拉桥为工程背景,验证该方法的合理性和可行性,为同类型桥梁的线形控制提供参考。     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI。同时．神经网络评价数据和专家系统数据的比较．证明BP神经网络模型在路面使用性能评估中有更好的应用前景。     

小波包神经网络在卸船机电机故障模式识别中的应用

针对卸船机中异步电机故障率高的问题,本文采用小波包分解和神经网络技术相结合的方式,将采集到的电机振动信号进行小波包分解,通过分析观测信号在小波包某一分解层次上不同时频分辨空间中的能量分布,进行电机运行状态的特征提取,对提取的特征用RBF神经网络技术进行故障诊断,为卸船机的电机故障诊断提供了一种新的思路和方法。     

���⽻ͨӵ���ij��н�ͨ�źſ��Ʒ�������

通过对城市交通路网的交通信号控制方法的综述,为管理人员决策、科研和工程技术人员的研究开发提供有价值的参考依据。中国城市交通系统独具特色,交通路网包括街区路网,又包括快速路、并通过出入口匝道与街区路网耦合在一起,路网上的交通流包括机动车、自行车和行人的混合交通流。因此,城市交通控制系统是一个复杂的非线性大系统,为交通信号控制方法提出了很多新的问题和挑战。本文详细分析了街区路网、快速路网交通信号控制方法的研究进展,以及突发性交通拥挤的管理方面的现状和发展趋势。     

遗传—神经网络在交通流预测中的应用

提出一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点,综合为一种新的优化算法,并将改进的算法应用于交通流预测中。结果表明,改进方法的预测效果优于单一使用BP神经网络进行预测的效果。     

网络控制系统的模糊动态调度算法研究

针对多回路的网络控制系统,本文同时考虑系统误差和误差变化率,设计了一种基于神经网络的模糊动态调度算法.该算法根据系统中各回路的误差和误差变化率,利用神经网络模糊控制的方法实时调整各回路的优先级,从而实现对网络控制系统的调度.最后,利用TrueTime工具箱建立了包含模糊动态调度器的网络控制系统仿真模型,并将其与RM和EDF调度算法进行对比.仿真结果表明,在相同的网络带宽占用条件下,本文所设计的模糊动态调度算法相比于RM和EDF调度算法,产生的网络诱导时延更小,且具有较好的控制性能.