基于融合注意力机制的多智能体磁浮谐波预测算法

为减小高速磁浮系统谐波对牵引供电网产生的影响，解决谐波治理存在的时滞性问题，通常需要对谐波电流进行预测。对此，采用融合深度学习算法的组合模型相比于传统算法的表现更加出色。文章提出一种新的融合注意力机制的多智能体磁浮谐波预测算法，该算法通过麻雀搜索算法（SSA）优化变分模态分解（VMD）的相关参数，并利用该优化参数将原始电流信号分解为多个不同中心频率的谐波分量，将各个分量分别输入融合注意力机制的长短时记忆网络（LSTM）中进行时序预测，形成多个独立预测智能体，再对各个智能体预测结果进行重构，从而实现对高速磁浮谐波电流预测。在此基础上引入误差修正机制，进一步提高模型的预测精度。对上海高速磁浮牵引系统进行理论分析与仿真，采集网侧电流数据，并用所提出的算法模型对此数据进行试验和分析。结果表明，与其他模型相比，所提的预测模型在磁浮谐波电流预测方面具有较好的性能，并可使时滞性得到进一步改善。     

基于轨道车辆频域模型的二系垂向悬挂元件状态监测

基于轨道车辆动力学的频域模型对悬挂元件的状态监测问题展开讨论。以二系垂向悬挂元件故障为例,应用聚类经验模型分解方法（EEMD）分析悬挂元件故障对车体加速度的影响,并基于转向架与车体之间的动力学联系,设计了状态监测算法。研究结果表明：悬挂元件的故障发生在前转向架或后转向架对车辆动力学特性造成的影响不同,有必要对前、后转向架的悬挂元件分别建立状态监测变量;数值仿真试验说明,本文设计的悬挂元件状态监测算法能有效识别分属前、后转向架悬挂元件的工作状态,满足实时状态监测的要求。     

基于CSIs、FIS、WLC、FC综合造价预测方法的探讨

可行性研究决策阶段投资估算的准确与否对整个项目的投资控制起着决定性的作用,目前拟建铁路建设项目投资估算方法在类似工程数据情况下,对具有类似项目的分部分项工程,根据定额估算指标或建立类似工程数据的线性关系分析模型进行简单估算,对无类似项目的分部分项工程,也往往根据相似工程和专家经验进行比较类推和综合而成,不仅计算工作量大,而且由此造成误差和可靠性不稳定.本文试图依据全生命周期造价WLC和显著性成本CS理论建立预测WLC的显著性成本项目CSIs测算模型进行投资估算,当新建项目没有类似工程条件下,通过模糊聚类FC方法对新建项目的CSIs的进行"类似度"聚类,分解为有类似项目和无类似项目的CSIs,对前者通过模糊聚类FC方法预测造价,对后者则充分利用专家经验,通过模糊推理系统FIS方法预测CSIs造价和显著性因子csf数据,不仅能够简化计算工作量和程序,而且可提高预测准确性.     

客运专线施工组织信息化管理项目分解方法研究

在构建铁路客运专线施工组织信息化管理体系的过程中,对铁路客运专线施工的工程或工作内容进行科学分解是施工组织信息化管理的基础性工作。基于工作分解结构与组织分解结构理论,提出一套适合我国铁路客运专线施工组织信息化管理的项目分解方法,实现工作责任明确化,为后续建立施工组织设计管理信息系统做准备。     

衬套模型对商用车驾驶室载荷分解精度的影响研究

针对商用车驾驶室疲劳载荷分解过程中衬套建模精度不足的问题,研究了基于神经网络和样条插值的衬套建模方法,并与衬套刚度试验结果进行对比,结果表明,基于神经网络的衬套模型在随机波形试验数据测试集上的精度提升较样条插值模型更明显。基于以上两种衬套模型分别建立驾驶室多体动力学模型,采用虚拟迭代法提取驾驶室疲劳载荷,在短波路工况上进行验证,发现基于神经网络的衬套建模方法的载荷分解精度较基于样条插值的建模方法提高了8.41%,且两种衬套建模方法都满足工程需要。     

吉延高速沿线地段分布草炭土的特性分析及对策

主要依托于吉林至延吉高速公路地段分布的草炭土为研究对象,由于草炭土性能很差,在草炭土地区修筑的路基常会出现沉陷、基底被挤压等破坏现象。为了能更好的处理好草炭土路段的施工,通过野外现场勘察、取样和大量的试验,系统地研究分析了草炭土的物理特性、化学特性以及力学特性,总结了草炭土的特殊地质状况。研究表明草炭土具有高天然孔隙比、高含水率、高压缩性和低抗剪强度等性质。能够根据草炭土特性,进行合理设计及施工,避免草炭土地区公路产生病害。     

再制造：大产业面临的“小市场”

目前产业发展最需解决的便是旧件回收及再制造产品销售渠道不通畅的问题。2014年9月1—3日,在第13届中国国际内燃机及零部件展览会上,许多企业都展示了成熟的再制造技术,原本一件废弃的内燃机缸体,经过拆解、高温分解、抛丸、珩磨、机加工等多道复杂工序后,变得焕然一新,不仅有重新利用的价值,还能大幅降低内燃机购买成本,得到了与会人员的关注。     

不确定状态下的一种整合的工厂选址模型与求解方法

把传统的工厂选址问题延伸到不确定环境下的工厂选址和工厂的规模等级决策问题，并假设单位生产成本与工厂的规模等级反向变动，固定成本投入与工厂的规模等级同向变动，建立了该问题的确定型模型和不确定状态下的数学模型，设计了求解该NP困难问题的一般Benders分解算法和修正Benders分解算法，用随机产生的一组数据进行实验，并对2种算法进行比较．     

（0，mf-m＋1）-图的正交（0，f）-因子分解

设G是一个图，是定义在V（G）上的整数值函数且对A↓∈V（G）有f（x）≥2k．设H1，H2，…，Hk是G的k个顶点不相交的子图，且｜E（Hi）｜=m，1≤i≤k．证明了每个（0，mf-m＋1）-图G有一个（0,f）-因子分解正交于Hi（i=1，2，…，k）．     

面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明：本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%～19.80%,均方根误差降低了11.20%～17.99%,决定系数提升了8.62%～12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%～13.81%,均方根误差降低了4.23%～10.67%,决定系数提升了3.50%～7.01%,且本文...