基于同方差的递增时间序列自回归预测的改善方法

提出了"利用反双曲正弦函数变换提高数据列光滑程度"的新结论,获得了递增时间序列改善的自回归预测新方法。     

AANA序列的Brunk-Prokhorov型强大数定律

相依随机变量序列极限理论的研究是概率极限理论研究的必然.相依随机变量序列的种类有很多,弱鞅序列就是其中具有广泛应用的相依序列.AANA(渐近几乎负相协)序列作为一种具有代表性的弱鞅序列,对它的研究很有必要.通过AANA序列的大偏差,结合一般随机变量序列的强大数定律,得到了AANA序列在正数p满足不同条件时的Brunk-Prokhorov型强大数定律.同时,得到了特殊的AANA序列——NA(负相协)序列的Brunk-Prokhorov型强大数定律.     

基于自回归模型的船舶姿态运动预报

介绍了自回归时间序列分析法的建模预报原理,并给出了船舶纵摇运动预报应用实例。为检验船舶纵摇运动预报效果,还用船舶纵摇观测数据进行了仿真研究,将真实曲线与预测曲线比较,观察其拟合程度的好坏。实例分析表明,自回归预报算法简单且容易实现,预报精度约为4.6%左右。自回归时间序列分析法亦可用于船舶横摇、首摇等姿态的时间序列预报,该方法在工程中具有很大的实用价值。     

基于补偿滑模控制的混合动力汽车协调控制

由于行星排功率分流式混合动力汽车的结构优势,双行星排功率分流式混合动力汽车已经成为各机构的研究重点。由纯电动模式到混合驱动模式切换的过程中存在发动机起动和发动机转矩引入,而发动机转矩瞬态响应存在迟滞,导致切换过程中动力系统的输出转矩会有较大波动。为减小波动,降低模式切换过程中的动态冲击度,本文中提出补偿滑模控制方法,对双行星排功率分流式混合动力汽车模式切换进行协调控制。首先,建立整车动力学模型,对切换过程每个模式进行分析;之后,针对发动机拖转阶段和混合驱动阶段分别采用补偿控制和基于固定边界层的自适应滑模控制,并对滑模控制进行稳定性分析;最后,结合Matlab/Simulink软件平台进行仿真验证。仿真结果表明,补偿滑模协调控制策略能够有效地减小从纯电动到混合驱动模式切换过程中的转矩波动和冲击度。     

功率分流混合动力全速域工作模式切换规则优化

针对某功率分流混合动力汽车,探讨了既定模式转矩分配策略未知情况下全速域工作模式切换规则的优化问题。先在既定模式转矩分配策略未知的前提下,将等效燃油消耗与样本数字特征相结合,计算了不同荷电状态（SOC）值下各工作模式在所有可行工作点的基准综合燃油消耗率。以整车燃油经济性为优化目标,确定不同SOC值下所有可行工作点的最佳工作模式,进而得出基于车速、车轮端需求转矩、SOC值的优化后全速域工作模式切换规则,以满足不同工况下的工作模式选择需求。之后,不考虑模式切换过程对整车驾驶平顺性的影响,搭建了模式切换实施模型。再以4个新欧洲驾驶循环（NEDC）工况所构成的组合工况为目标行驶工况,将优化后全速域工作模式切换规则和传统基于逻辑门限的全速域工作模式切换规则分别应用于基于规则的能量管理策略,进行了整车燃油经济性仿真与台架试验验证。仿真结果表明：在不改变既定模式转矩分配策略的条件下,与基于逻辑门限的全速域工作模式切换规则情况相比,所提出的既定模式转矩分配策略未知情况下全速域工作模式切换规则优化方法至少可使整车燃油经济性提高7.33%。台架试验结果进一步表明,该优化方法至少可使整车燃油经济性提高6.17%。由此可见,所提出的既定模式转矩分配策略未知情况下全速域工作模式切换规则优化方法对整车燃油经济性具有较好的改善效果。     

基于isight响应面模型的白车身轻量化研究

在保持车身结构性能不变的情况下,对白车身进行灵敏度分析,根据灵敏度分析结果,选取58个零件厚度作为设计变量,在isight中采用优化拉丁超立方方法对样本采样,对白车身弯扭刚度及1阶扭转模态进行分析,采用1阶响应面方法建立白车身弯扭刚度、1阶扭转模态及质量近似模型,近似模型拟合优度值R2均大于0.9,具有高可信度,最后通过近似模型优化方法 SQP(Sequential Quadratic Programming,序列二次规划法)完成白车身减重。优化后的弯扭刚度及1阶扭转模态都达到设计要求,在材料不变的情况下,质量减轻约23.6kg;基于isight多学科优化方法结合相应有限元分析软件在车身减重方面具有很好效果。     

基于桥梁挠度长期监测值的动态预测

文章针对重庆高家花园嘉陵江大桥实时健康监测系统的挠度长期监测数据,根据监测信息的时间序列呈季节、循环等非平稳状态特点,介绍采用ARMA时间序列预测模型,对挠度监测数据中所包含的外荷载的变化趋势及结构抗力的衰变信息进行动态预测,同时建立了结构外效应的预测函数。结果表明,采用低阶模型能对挠度监测值进行较好的动态预测。     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果.为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比.实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点.这为舰船运动短期预测提供了一个新的思路和方法.     

城市交叉口交通流特征与短时预测模型

时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求,通过对广州市中心区交叉路口交通流长期观察和数据采集,分析了各种时间尺度的交通流特性,提出以路口信号周期作为时间尺度,绿灯流率作为变量的ARIMA(p,d,q)短时交通预测模型。以1个和3个信号周期的时间尺度为例,对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA(p,d,q)预测模型结构稳定,算法简单,时间尺度为3个信号周期的预测模型可以很好地保持交通流特征,均方根误差为0.015 9,预测精度较高。