基于OC-SVM算法的FSK通信设备异常检测研究

针对地铁FSK(频移键控)通信信道的监测数据正负样本量不平衡即故障样本量较少的问题,提出一种基于OC-SVM算法的异常检测方法。通过对FSK通信信道监测数据的处理分析,该算法能够识别出FSK通信设备的相对异常状态,有效助力FSK通信设备的运维从传统的故障修、计划修转变为智能化的状态修、按需修,提升FSK通信设备的可靠性,降低地铁运营成本。     

使用低成本全球定位系统接收器估算列车速度

开发了一款能够从铁路设备上主动采集并上传数据的智能手机应用(app),以及一种简单的数据处理算法来估算列车速度.研究结果表明,利用低成本传感器估算列车速度是可行的.     

克隆选择算法在基坑支护位移反分析中的应用

在基坑工程中,传统的位移反分析方法计算量较大,不易掌握,且求得的岩土体力学性能参数的精度较低。为此,提出应用克隆选择算法求解位移反分析问题的新方法,其核心是采用BP网络为正演工具代替有限元方法,描述土体力学性能参数和位移的非线性映射,可减少计算量,并利用克隆选择算法为反演工具,通过反演分析确定土体力学性能参数,具有较高的精度。依据该反分析方法获得的岩土体力学性能参数又可以估算下一工况的基坑位移。仿真试验结果表明了新方法的可行性和有效性。     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...     

地铁自动检票机故障分析及可靠性研究

考虑到地铁自动检票机组成复杂且故障形式多样,对其进行故障分析并以二参数威布尔分布为基础,提出一种基于混合威布尔分布的设备可靠性评估模型。为提高模型拟合精度,基于误差平方和最小思想构建非线性最小二乘参数优化估计模型并使用粒子群算法(PSO)进行最优参数求解。以南京地铁油坊桥车站自动检票机实际故障数据为例,进行实例验证。结果表明,基于PSO算法的混合威布尔分布可靠性评估模型优于传统单威布尔分布,其均方根误差、平均绝对百分比误差、皮尔逊相关系数均为最优。     

以SIMPLE算法求解瞬态二维顶板驱动方腔流动问题

采用SIMPLE算法分析二维顶板驱动方腔内流动问题,介绍以这一算法求解方腔流动问题中所应用的流场控制方程与计算域离散、网格构建、边界条件处理的基本技术.所得到的结果与涡量-流函数法求解同一问题的计算结果进行了对比,并讨论了这两种方法的异同点.     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

双电机耦合驱动电动汽车驱动模式划分与优化

为充分发挥一款双电机耦合驱动系统电动汽车(DMCP-EV)多驱动模式的节能优势,制定了基于系统效率最优的驱动模式控制策略。根据该双电机耦合驱动系统的结构特点,定义了电机4种驱动模式并分别建立其动力学驱动模型和系统效率模型。在满足动力性要求的前提下,分析并划分了各驱动模式的工作范围,以系统效率为优化目标,采用粒子群优化算法进行优化,获得最佳的驱动模式切换控制和转矩分配策略。开展了Matlab/Simulink仿真和硬件在环试验验证。结果表明,经系统效率优化的驱动模式在满足动力性要求的前提下,有效提高了双电机耦合驱动系统的经济性,能耗降低11%。     

基于预测滑转率的转矩分配策略研究

为解决后轮双电机驱动电动汽车的动态非线性转矩分配问题,提出一种预测并优化输出的分配策略。基于车辆动力学计算转矩输出,使用粒子群优化(PSO)算法及路面检测系统修正输出转矩,以某型后驱双轮毂电机样车为基础,设计优化分配算法,通过CarSim搭建整车联合仿真模型验证算法的性能,并以整车控制器为基础对设计的算法进行硬件在环测试。测试结果表明,提出的动态转矩分配策略可以根据实际工况分配驱动轮的转矩,降低驱动轮滑转率,提高整车的驾驶性能。     

改进群智能优化算法的海上物流配送路径优化方法

传统算法过早陷入局部最优,不能考虑全局配送问题,导致海上物流配送成本偏高,因此研究改进群智能优化算法的海上物流配送路径优化方法。该方法根据海上物流配送约束条件,建立路径优化模型,利用改进群智能优化算法,进行全局域中混沌局部的同步搜索,实现海上物流配送路径优化。实验结果表明,此次研究方法的物流配送成本,比传统方法低了24 332元,可见此次研究的路径优化方法更好。