小波分析技术在故障诊断中的应用

小波分析是20世纪80年代中期发展起来的新的数学理论和方法,并已在实践中得到了广泛应用。本文对小波分析、小波分析与神经网络相结合的小波网络及小波分析与模式识别相结合在故障诊断中的应用进行了详细的介绍,最后指出了这一领域有待进一步研究的问题和发展趋势。     

PLC网络在散粮控制中的应用

介绍了MODICON公司Quntium系统PLC的双CPU控制方案及其在散粮工程中的应用,重点介绍了两种双CPU数据通信的方法。     

城市轻轨交通网络优选的物元可拓表达

针对识别判断或衡量评估各种轨道交通规划设计优劣性等问题,首先分析建立起多层级评定要素主框架,并考虑了客观化的信息熵权策略,然后提出了一种面向数据对象、灵活客观的城市轻轨交通网络多准则物元可拓处理方法,从而帮助实现其优选排序以及决策支持过程。基于建设城市轻轨交通网络的多重目标和不同部门愿景,确定了与城市发展协调性、网络结构属性、运营管理水平、建设项目可行性四个准则,通过济宁市轻轨交通线网规划的具体案例分析,讨论验证了所建模型的有效性、公平性与合理性,并获取了最优网络方案#1。实验结果表明该方法不仅科学可靠、适应性强,同时克服并避免了主观人为因素的噪声和偏差,本文建模步骤流程亦可为其他城市规划管理者、政策制定者等提供指导依据及借鉴参考,或移植应用于相关工程领域。     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.     

当务之急健全营销网络完善售后服务

由商务部、国家发改委、国家工商总局联合颁布的《汽车品牌销售管理实施办法》（以下称《办法》）自去年4月1日实施以来,已经历了一年半的时间。其中,乘用车企业自去年4月1日起开始实行品牌销售,而自今年12月1日起,除专用作业车以外的所有汽车部将按照《办法》的相关要求实行品牌销售,因此,商用车品牌销售授权工作可以说已正式进入了实施阶段。商务部市场体系建设司副司长陈林在接受记者采访时表示,商用车企业应当认真研究《办法》的相关规定,尽快做好营销和售后服务的网络规划建设工作。     

基于列车时刻表的"一带一路"节点城市高速铁路网络空间演变研究

高速铁路发展是"一带一路"建设的重要保障,对"一带一路"沿线节点城市网络空间演变具有重要的影响.为深入研究这一问题,从地理空间视角出发,借助高速铁路列车时刻表数据和高速铁路网络分布地图,运用社会网络分析法研究"一带一路"节点城市的高速铁路连接网络体系格局特征,用空间句法研究节点城市铁路网络空间形态.研究结果表明:(1)...     

执行力成就影响力——记天马摩托四川叙永送电影活动

为了提升天马品牌的知名度和影响力,天马总公司在全国开展策划了"共建和谐新农村、天马摩托送电影"为主题的大型活动.     

SNMP在高速公路UPS设备管理中的应用

随着高速公路机电设备技术含量的不断提高,对设备稳定性的要求也日益严格,特别是不间断电源（Uninterruptible Power System,UPS）的重要性不言而喻。UPS网络管理就是要利用计算机网络,对不同区域、不同型号的UPS进行监控,随时了解各UPS的工作状况,及时处理UPS的各种异常情况,确保UPS的安全运行,使网络成为不间断网络。主要实现的方式为,将SNMP网络卡安装在UPS板卡插槽中,并配置该网卡的IP地址,使这台UPS在网络中被独立标识出来。监控中心的UPS网络监控系统即可通过该网卡与设备进行信息交换,实时获取所需的设备运行状况信息。     

一种基于交通态势算法的交通预警系统设计

为实时监控高速公路的交通状况,设计并实现一种基于交通态势算法的交通预警系统,该系统主要由态势计算、异常拥堵预警和交通迁徙计算等3个模块组成。采用Van-Aerde模型表征交通流的状态和变化规律,得到密度、速度和流量之间的关系;综合考虑交通预测的时空性,采用基于图卷积网络(Graph Convolutional Network, GCN)和长短期记忆(Long Short-Term Memory, LSTM)单元的时间图进化网络(GCN-LSTM)模型对未来交通流异常拥堵情况进行预警。试验结果表明,该预警系统能通过实时计算当前交通流的密度、速度和流量评估交通状态,并确定密度和速度阈值,警示当前道路在该阈值附近时通行效率高,帮助改善交通状况;相比传统的基于神经网络方法和机器学习方法的预警系统,该预警系统在预测精度方面表现良好,能有效降低误报率,且具有一定的鲁棒性。