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...     

椭圆钢管T型节点应力集中系数分析

为预测椭圆管节点的疲劳性能,优化节点构造设计,以椭圆钢管T型节点为切入点,采用数值模拟方法分析了长轴-长轴、长轴-短轴、短轴-短轴3种可能的连接形式在支管轴拉、面内弯曲和面外弯曲作用下节点的热点应力位置和应力集中系数,同时分析了管壁厚度对应力集中系数的影响。结果表明：进行椭圆钢管节点热点应力试验测点应重点布置于鞍部;在支管轴拉、面内弯曲和面外弯曲作用下,管壁厚度越小,应力集中系数越大;从节点的抗疲劳性能和经济性出发,面外受弯时,建议椭圆钢管节点构造设计以长轴-长轴为主,轴拉和面内受弯时,建议以短轴-短轴为主。     

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。     

基于内阻功率消耗的锂电池SOC估计

针对锂电池不同使用场合下的剩余电量估算精度的问题,提出了基于内阻功率的放电策略与功率积分的电池剩余电量计算方法。选取电池的1阶Thevenin等效电路模型,通过放电实验确定电池内部参数,建立了电池的可变参数模型。依据电池不同使用需求,通过功率控制电池放电电流,稳定电池的容量,提升了安时积分算法在稳定放电工况下的鲁棒性;将电池的温度、高频率波动电流和健康状况引入积分项,以衡量电池容量消耗速率,并采用功率积分算法估算电池剩余容量。将积分算法与EKF结合,减弱了积分误差对估算精度的影响。搭建实验台架,设计锂电池的放电工况,采用与之对应的放电策略和计算方法。结果表明:本文的方法有效地提升了电池剩余电量的估算精度。     

分布式驱动电动汽车回馈制动失效的液压补偿控制

分布式驱动电动汽车各驱动轮转速和转矩可以单独精确控制,便于实现整车动力学控制和制动能量回馈,从而提升车辆的主动安全性和行驶经济性。但车辆在回馈制动过程中,一旦1台电机突发故障,其他电机产生的制动力矩将对整车形成附加横摆力矩,从而造成车辆失稳,此时虽可通过截断异侧对应电机制动力矩输出来保证行驶方向,但会使车辆制动力大幅衰减或丧失,同样不利于行车安全。为了解决此问题,提出并验证一种基于电动助力液压制动系统的制动压力补偿控制方法,力图有效保证整车制动安全性。以轮毂电机驱动汽车为例,首先建立了整车动力学模型以及轮毂电机模型,通过仿真验证了回馈制动失效的整车失稳特性以及电机转矩截断控制的不足;然后,建立了电动助力液压制动系统模型,并通过原理样机的台架试验验证了模型的准确性;接着,基于滑模控制算法设计了制动压力补偿控制器,并在单侧电机再生制动失效后的转矩截断控制基础上完成了液压制动补偿控制效果仿真验证;最后,通过实车试验证明了所提控制方法的有效性和实用性。研究结果表明：在分布式驱动电动汽车单侧电机再生制动失效工况下,通过异侧电机转矩截断控制和制动系统的液压主动补偿,能够使车辆快速恢复稳定行驶并满足制动强度需求。     

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。