我国高铁快运潜在市场规模预测

对我国高铁快运的潜在市场规模预测,有利于优化高铁快运服务质量,支撑高铁快运服务产品开发。以快递量作为潜在转移对象,建立向量自回归模型进行快递量预测;考虑运输安全性、便捷性、经济型、可靠性和时效性等影响因素,构建logit分担率模型进行分担率预测,得到了高铁快运市场可分担率及2020-2025年的潜在市场规模。结果表明,高铁快运市场潜在规模远大于实际市场情况,通过提高寄件服务便捷性,缩减前置等待时间,优化两端作业时间,将有利于提高高铁快运市场占有率。     

鱼雷内弹道特征参数估计的回归分析

论述了以建立回归方程为中心,利用有限的实验数据建立舰艇鱼雷发射内弹道特征参数（鱼雷出管速度、膛压极值）的线性回归方程。通过实验数据计算,证明这是一种舰艇鱼雷发射内弹道特征参数估算的有效方法。在回归分析法基础上,提出了如何进行实验的优化。     

船舶操纵性指数预报研究

为了对营运船舶的操纵性进行预报,基于SPSS软件的相关分析和统计功能,采用多项回归法对59艘船舶的K、T指数统计资料进行分析,得出具有一定精度的K′、T′指数估算公式.考虑船型数据之间非线性因素的影响,构造了四元二阶多项式回归模型.增加了渔船等中、小型船舶,使回归方程更具有普遍性.所构建的船舶操纵性指数回归模型较原有的回归模型将K′、T′的复相关系数精度分别提高了8.5%和7.2%,在保证原回归方程显著性的基础上兼顾了数据拟合的精度和回归多项式的简洁性.因此,该模型对操船者在航海实践中评估船舶的操纵性有一定的实用价值.     

全回转起重船主尺度模型研究

分析了国内全回转起重船的发展现状及发展趋势,对现有的船型数据资料进行整理分析,利用EXCEL回归分析、Matlab中BP神经网络工具与RBF神经网络工具分别建立了全回转起重船主尺度与最大起重量的关系模型,并对它们的回归分析误差进行了比较.该模型的建立有利于掌握全回转起重船主尺度要素随起重量的变化规律,对起重船方案设计以及后续的技术经济论证可起指导性作用,有助于该船型的报价设计和初步设计,并可使其总体设计得到优化.     

施工期软土边坡稳定分析中抗剪强度指标的确定方法

灵敏度高、抗剪强度低的软土边坡、码头工程施工期安全储备低,易发生失稳破坏.十字板强度一般被作为施工期稳定分析较常采用的抗剪强度指标,但据工程经验表明,十字板强度计算的施工期的安全系数偏低.经分析,十字板强度不能反映实际土体滑动面的抗剪强度,是抗剪强度中的最小值.由此,基于摩尔-库伦抗剪强度公式,考虑土体各向异性等建立了十字板强度与深度的线性方程,可将抗剪强度指标回归出来.将回归出的抗剪强度指标用于数个实际边坡中,表明在塑性指数为20左右的土中,安全系数可提高到1.0～1.1,较准确地反映了土体真实抗剪强度.同时,就稳定安全系数与塑性指数的关系作了探讨,提出将安全系数修正到1.0的方法.     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

客车气密性提升及其对车内噪声和能耗影响的研究

客车整车密封性已经成为其行业一个非常重视的问题,且其密封性与汽车NVH性能车内噪声水平、整车能耗及空调制冷性能等密切相关。整车气体密封性能测试可以排查车身泄漏点和测量车内压力及泄漏量大小,深入探讨客车车身气密性设计和过程控制方法,通过对客车整车气密性试验结果进行研究,并以某车车内密封提升对整车噪声的影响及密封整改前后的车内温升曲线对比分析验证了整车气密性提升的重要性。     

换型高顶顶盖生产线节拍提升研究

随着公司转型发展,装焊车间换型高顶顶盖生产线改造后生产的卧铺加宽高顶车型节拍无法满足大装线生产节拍,通过对PLC控制流程及机器人焊接过程进行优化,使高顶顶盖生产线节拍提升17.5%,满足大装线线体的节拍需求。     

基于卡尔曼-高斯联合滤波的车辆位置跟踪

车辆位置的精确、可靠获取,一直是阻碍智能驾驶技术的难题.特别当车辆处于复杂道路环境中时,车辆卫星定位信号易受较大干扰,使车辆定位产生漂移现象.针对车辆定位的这种漂移现象,研究了针对车辆位置跟踪的卡尔曼-高斯联合滤波方法.对于车辆卫星定位受到的干扰不同,采用分层处理的滤波方法;针对卡尔曼滤波不能较好地滤除一些干扰较大的位置漂移点,通过设置与车速、航向角等相关的动态阈值,对卫星定位的车辆位置进行动态阈值判断;通过动态阈值识别出的车辆位置漂移数据,结合高斯过程回归,以车辆的历史数据作为学习样本,使用预测值和真实观测值构建补偿量,通过对卡尔曼观测方程加入动态观测补偿实现车辆位置优化;对于一般噪声产生的卫星定位波动,联合滤波也可以有效优化.实车实验表明,该方法可以有效识别出车辆定位的漂移点,车辆卫星定位在信号受较大干扰的情况下,车辆卫星定位的精度可以提高30%左右,最大误差由9 m降低到0.8 m左右.该联合滤波方法在使用低成本定位装置的情况下,有效提高车辆卫星定位的精度及可靠性.