ENSO循环对7月—8月北上热带气旋及对航海的影响

对1950年～1992年COADS资料和7月～8月西北太平洋热带气旋的路径资料进行了初步的统计分析.结果表明从年际变化的时间尺度上来看,在厄尔尼诺(拉尼娜)现象出现后,赤道中、西太平洋纬向风正(负)异常,近赤道地区(10°N～20°N)中、西太平洋出现纬向风负(正)异常,Hadley环流加强(减弱),副热带高压增强(减弱),因此,7月～8月西北太平洋北上热带气旋出现的次数少(多).该规律已被1997年～2000年北上热带气旋的数目所证实.热带气旋是影响船舶航行安全最重要的灾害性天气系统之一.远洋运输船舶可以根据上述规律对相应季节的航线设计、船舶载重线、船舶操纵、运输途中的货物保管及港口装卸等都要做相应的调整和采取适当的措施,避免或减少不必要的损失.     

电厂码头输煤系统的运行逻辑关系分析

电厂码头的皮带输煤系统,是一个包括码头卸煤系统、厂区上煤系统、筛碎系统、控制及报警系统、计量、采样、除铁、抑尘等多个工艺子系统的综合系统。本文以国外某百万千瓦级大型火力发电厂为例,对输煤系统中的各主要设备和辅助设备及工艺系统的运行逻辑关系进行研究和分析,并设计建立一套控制逻辑严密且具有智能化的自动控制系统,从而消除潜在的逻辑矛盾、程序漏洞和运行安全风险,进而使整套输煤系统的运行达到一个高效、智能、可靠、节能、稳定和安全的设计指标,以保障电厂维持较高生产效益。     

重型卡车ADAS系统应用

随着汽车智能化的迅速发展,ADAS系统(高级驾驶辅助系统)逐步开始在重卡车型上应用,目前可实现的功能包括:车道偏离预警(LDW)、碰撞预警(FCW)、自动紧急制动(AEB)、自适应巡航(ACC)等。1ADAS系统组成ADAS系统由传感器(输入信号)、控制器、执行器(输出信号)3部分组成。传感器包括前置单目摄像头、毫米波雷达;执行系统为发动机和EBS电子制动系统。ADAS系统组成如图1所示。     

用于单电感双输出Buck变换器的PCPV控制方案

为减小工作于连续导电模式(continue conduction mode,CCM)的单电感双输出(single-inductor dual-output,SIDO)Buck变换器的输出交叉影响,提出了峰值电流-峰值电压(peak-current and peak-voltage,PCPV)控制方法.分析了PCPV控制...     

DCT变速器离合器压力异常故障诊断方法

DCT自动变速器是近年来国内市场运用最为广泛的变速器之一,在市场应用过程中,离合器压力异常是较为常见的故障。文章从双离合器控制方式、压力异常影响因素等方面展开分析,研究双离合器压力异常故障诊断方法。     

YB28-630A双动薄板冲压机电气控制系统设计

介绍了双动薄板冲压机控制系统的改造方案,可编程控制器的硬、软件系统的组成,软件的设计思想.以及系统中压力信号的检测和处理方法。     

基于多源数据的城市群枢纽间多模式交通系统异常状态影响研究

为探究城市群多模式交通系统异常状态的影响范围,从需求端非常态客流变化和供给端运输能力下降两方面对多模式交通系统异常环境进行分类,提出了基于手机信令数据、意向出行调查及客票信息等多源数据的异常状态影响范围识别流程和分析方法;以京津冀城市群为例,确定强链接枢纽间通道客流动态安全阈值,提出了基于贝叶斯预测的通道客流异常检测方法;利用提升度、余弦相似度及其标准化值来区分枢纽关联规则的有效性,提出了基于强关联规则确定异常状态影响范围的方法。研究表明：基于贝叶斯预测的通道客流异常检测方法具有实时性,提高了客流安全阈值精度;基于实际手机数据和假定异常情况下的意向调查数据并结合关联规则确定枢纽影响范围,可为利用数据挖掘技术分析突发异常状态的影响和对策提供借鉴。     

基于ARIMA模型的极端事件下铁路货运量预测研究

合理预测货运量是铁路部门制定列车开行方案及组织管理的基础,在类似突发疫情这种极端事件时,准确预测铁路货运量的数据与变化趋势对铁路工作的开展有重要的参考意义.建立ARIMA模型,利用2010年1月—2020年1月的铁路货运量正常数据与疫情突发后2020年2月的异常数据,对2020年3—10月的铁路货运量进行预测.结果表明...     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...