大数据平台在新能源汽车安全领域的应用

通过利用行业内主流的大数据技术搭建新能源大数据平台,重点对新能源汽车车联网大数据进行算法研究、建模分析。分别从故障远程在线诊断、车联网大数据指标分析、车联网大数据算法模型等方面对新能源汽车故障、驾驶行为、充电行为等进行深入研究,以保障新能源汽车车辆安全。     

中压直流综合电力系统燃油经济性调度策略

由于研究对象、运行要求和调控手段存在差异,陆用电力系统和传统船用电力系统的燃油经济性策略无法直接应用到中压直流综合电力系统中。针对中压直流综合电力系统的能量优化调控需求,建立综合电力系统燃油经济性调度模型,提出基于分层优化方法的系统燃油经济性调度优化算法,实现对整流发电机组出力的优化。同时,提出适用于中压直流综合电力系统燃油经济性优化调度的方法,实现对发电机出力的优化调度,并通过仿真试验验证该方法的有效性。     

日高潮不等海域乘潮水位的计算方法比较

依据我国近岸4个代表性站点的潮汐表逐时数据,分别选取所有高潮（方法1）和每日一个高潮（方法2）计算不同保证率的乘潮水位,分析两种方法对工程的影响。结果表明：方法2使乘潮水位抬高,节省工程费用,但可缩短高潮时的通航窗口期,增加船舶候潮时间,给项目运营带来不便。这种影响对正规半日潮不明显,对其余潮型明显,其中对不正规全日潮影响最大。在不正规半日潮和日潮港区的工程应用中,可根据工程投资和来船频率,对两种方法充分论证后,综合选取合适的乘潮水位,既能满足工程应用又能节省工程费用。     

线性绞车电控系统开发与应用

基于广州打捞局120 000 kN抬浮力打捞工程船配套4 500 kN线性绞车的技术要求,提出线性绞车电控系统设计方案。从线性绞车在打捞工程船中的作业工况、电控系统的通讯架构、线性绞车单台控制及远程联动的自动控制、人机界面操作等方面进行研究,介绍线性绞车电控系统的设计思路,为线性绞车在打捞沉船工作中的正确运用提供了理论支撑和技术保障。     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。     

基于人工势场法的车道保持系统

针对车道保持系统中的横向控制问题,采用人工势场法设计了转角控制器。选择跨道时间为势场参数,建立多模式跨道时间模型,以跨道时间为变量设计势场函数,以得到的势场力代入参考车辆模型得到理想横摆角速度和理想侧向加速度,以车速为阈值计算出理想方向盘转角,用PID控制跟踪理想方向盘转角实现车道保持。利用Carsim/Simulink联合仿真验证了该方法的有效性,还与传统道路势场法做了对比,并在实车上验证了其可靠性。     

基于Agent理论的机场旅客出发时间与出行方式联合选择模型研究

为提高机场陆侧区域的客运通行能力,研究交通管理策略实施后机场旅客的行为变化,通过研究Agent的理论结构,构建了机场旅客出发时间和出行方式的联合选择模型.在建模过程中,考虑了旅客不完全信息性和有限理性,应用机器学习算法生成if-then规则模拟机场旅客前往机场的搜索和决策过程,该规则加入了机场旅客的特征变量,如乘坐飞机频率、是否有托运行李等机场旅客的特征属性.应用该模型进行仿真试验,结果显示,机场公共交通成本在10~15元区间变化时,每降低1元,使用公共交通的旅客比例约提高2%;到达机场公共交通站点时间缩短到10 min时,旅客将会延迟10~15 min出发.该模型能较好地显示出发时间变化和出行方式切换过程,有效的预测了机场旅客在不同交通政策和措施下出行行为的调整结果.      

面向人机协同共驾的驾驶行为短时预测方法研究

通过实时感知交通场景下的汽车相对运动状态和行车安全信息,对驾驶人的操纵行为进行短时预测,进而为人机协同驾驶中主权切换的模式与方法提供依据.基于线性最优二次型方法建立了典型驾驶意图下的驾驶操纵序贯链优化目标函数,通过求解目标函数得到驾驶人操纵行为对车辆运动状态的改变量,并结合运动学CA模型提出了驾驶操纵行为短时预测模型.运用统计检验分析实车试验和所提出的模型得到的仿真试验驾驶输入之间的差异程度.实车实验的统计检验结果表明,不同驾驶工况下的驾驶输入差值的配对样本T检验的T统计量分别为1.96,0.1,1.36,均小于其T临界检验值.所提出的模型能较好的模拟实际驾驶操纵行为特征,并能对驾驶人操纵行为进行准确的短时预测.      

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。