舰船GPS定位软件雷达跟踪信息多层融合方法研究

本文提出一种以自适应加权融合算法为核心的信息多层融合方法,以解决以往经典算法下舰船GPS定位软件雷达跟踪信息融合度低的问题。方法首先进行信息预处理,包括坐标变换与时间对准2个方面,然后对GPS和雷达的定位信息进行关联度判断,最后利用自适应加权融合算法对关联度较高的GPS和雷达定位信息进行合成。结果表明:本方法信息融合平均标准差小于D-S证据理论与人工神经网络下2种方法的平均标准差1.238和1.106,融合程度更高。     

基于模糊加权极限学习机的类不平衡软件缺陷预测

在软件缺陷预测中,普遍存在软件缺陷数据的类不平衡问题,严重影响着传统预测模型的性能.为了缓解类不平衡对预测模型性能的影响,引入模糊集的思想,提出了一种基于相对密度的模糊加权极限学习机算法.该方法首先采用所提的相对密度方法求出适用于不同数据样本的加权矩阵,进而将其与传统加权极限学习机结合,并训练模糊极限学习机,最后通过NASA软件缺陷类不平衡数据对所提方法的有效性和可行性进行验证.实验结果表明:与诸多类不平衡软件缺陷预测方法相比,文中方法具有更好的预测性能,并在G-mean、AUC和Balance的评价指标上有较优表现.     

汽车离合器膜片弹簧的优化设计

膜片弹簧是汽车离合器的重要部件,是由弹簧钢板冲压而成,形状呈碟形。膜片弹簧结构紧凑且具有非线性特性,高速性能好,工作稳定,踏板操作轻便,因此得到广泛使用。本文通过对膜片弹簧建立数学模型,特别通过引入加权系数同时对两个目标函数进行比例调节,并用matlab编程来优化设计参数。通过举例,结果证明在压紧力稳定性,分离力及结构尺寸上优化结果较为理想。     

基于Kalman滤波器的故障诊断方法及其在铁道车辆中的应用

现结合Kalman滤波器和统计的方法对铁道车辆悬挂系统故障进行诊断。为了避免高频引起的数值振荡，这里提出采用求导和降阶的方法得到关于加速度及其导数的状态方程来代替通常的关于位移及其速度的状态方程。通过改变二系垂向阻尼系数来模拟故障，数值结果表明，该方法能有效诊断铁道车辆垂向悬挂系统的故障。     

考虑空间效应的公交站点客流量影响因素分析

探究公交客流量影响因素有利于针对性地进行公交规划管理，本文基于南京市多源数据，从站点层面分析公交客流量的影响因素，考虑空间依赖性和空间异质性两个角度的空间效应，构建空间杜宾模型和地理加权回归模型，揭示土地利用、交通基础设施、站点属性及社会经济因素在工作日早晚高峰两个时段对公交客流量的影响。研究结果表明：从全局角度来看，公交站点客流量间存在明显的空间依赖性，并具有聚集特征，空间杜宾模型优于多元回归模型、空间误差模型及空间滞后模型；各变量在早晚高峰时段对客流量的直接效应符合通勤规律；公共服务用地强度和公交站数量的空间溢出效应最为显著，且呈现出虹吸现象。从局部角度来看，各影响因素均具有显著的空间异质性，土地利用变量的空间差异性最大；车头时距与站点客流量负相关，影响程度以南京市玄武湖区域为中心向外递减；线路条数与站点客流量正相关，影响程度由老城区向外围区域递增。     

基于OBD数据的危险驾驶行为与建成环境空间关联研究

随着宽带移动通信、物联网等新一代信息技术在交通领域中的应用,面向交通安全的移动互联环境下驾驶行为研究成为热点课题.为弥补现有研究中对车联网数据分析较少或对危险驾驶行为空间分析不足等缺陷,基于车辆自诊断系统(OBD)数据对危险驾驶行为进行了空间识别与提取,并基于交通小区(TAZ)分析了危险驾驶行为的空间分布差异.研究揭示了危险驾驶行为空间分布差异的内在机理,利用百度兴趣点(POI)数据度量了城市建成环境因素,通过最小二乘法(OLS)回归模型识别出建成环境对危险驾驶行为显著影响的变量,在此基础上采用基于地理加权回归(GWR)模型得出了不同建成环境变量对危险驾驶行为的空间影响系数.模型显示,采用GWR模型拟合结果优于OLS一倍,并且可以有效地揭示出空间建成环境对危险驾驶行为影响的时空特征,为交通管理与规划部门制定措施或政策提供了决策支持.      

基于自动分组的机器人集中换电极帽工艺

本文提出一种适应不同车型混流生产的点焊机器人更换电极帽的新工艺。它先按电极帽寿命指数对机器人进行柔性分组,再对同组别机器人集中更换电极帽。作者首先依据加权系数算法建立了机器人自动分组的数学模型;之后开发了PLC控制程序,只需输入当日各车型产量信息即可完成最优化分组;最后将该工艺成功地应用于神龙公司PF2地板生产线。实践证明,该工艺对多品种混流生产线提升生产节拍效果良好。     

基于小波包分析的货车滚动轴承故障诊断

铁路车辆滚动轴承故障的不解体诊断，对于提高轴承诊断效率，减轻操作人员的劳动强度和保证铁路运输的安全是至关重要。结合小波包分解和加权K近邻法提出了一种新的货车滚动轴承不解体故障诊断方法。首先利用小波包对滚动轴承的振动加速度信号进行分解，得到滚动轴承动态信号在不同频带的能量，并以此作为滚动轴承的特征向量；然后采用加权K近邻法对滚动轴承进行故障诊断。对197726型货车滚动轴承在轮对不解体条件下进行了诊断实验，结果表明该方法能准确地检测出滚动轴承外圈、内圈及滚子的局部缺陷，并且诊断速度快，完全满足实时诊断要求。     

基于随机加权自适应容积卡尔曼的电池SOC估计

准确估计锂离子电池荷电状态（SOC）对于突破电动汽车发展瓶颈，推动电动汽车商业化至关重要。针对动力电池模型参数辨识问题，提出基于遗忘因子的递推最小二乘法（FRLS）的模型参数在线识别方法。实时测量动力电池电流和电压数据，在线辨识模型参数并实时更新，实时反映电池内部参数的变化过程，对电池动态特性进行实时模拟。针对容积卡尔曼（CKF）滤波过程中对噪声敏感的问题，提出一种基于随机加权思想的自适应容积卡尔曼滤波（ARWCKF）方法。相比于常规CKF容积点权值始终不变，通过引入随机加权因子，自适应调整容积点权值并对系统噪声、状态向量及观测向量进行预测，抑制系统噪声对状态估计的干扰，避免因容积点权重值固定所带来的误差。针对CKF算法在容积点计算过程中由于状态方差矩阵失去正定性导致的平方根分解无法使用的问题，提出基于奇异值分解的容积点计算方法，克服由于先验协方差矩阵负定性变化而导致的滤波精度下降等问题，并进行多种工况、温度下不同SOC初值的对比验证。结果表明：所提出的基于遗忘因子的递推最小二乘法的在线参数辨识及ARWCKF滤波方法具备良好的估计精度及收敛能力，最大电压估计误差不超过40 mV，SOC估计误差不超过1%。     

基于属性加权回归的组团式城市轨道交通进出站客流预测模型研究

为增强轨道交通进出站客流回归预测模型在组团式城市的适应性，利用多源数据细化和完善各影响因素的统计指标，更加精细地体现不同轨道车站之间的差异。针对组团式城市进出站客流在不同尺度下表现出截然不同的空间分布特征的特点，结合K近邻非参数回归和地理加权回归(Geographically Weighted Regression, GWR)模型，采用样本之间的属性差异表征异质性特征，提出一种属性加权回归(Attribute Weighted Regression, AWR)模型。重庆中心城区的案例分析表明：AWR模型能够兼顾样本集合在不同尺度下的空间分布特征，更适用于样本差异较大的情况，且对样本的空间相关特性没有特定的限制条件，针对组团式城市具有更强的适应性；相比于采用普通最小二乘法(Ordinary Least Squares, OLS)的多元线性回归模型和GWR模型，AWR模型对组团式城市轨道交通进出站客流需求的拟合优度和预测精度均显著提高，且误差的空间负相关性明显减弱，是轨道交通进出站客流预测方法的一种有益补充。