基于复杂网络同步城市快速路协调控制研究

基于复杂网络同步,本文研究城市快速路多入口匝道协调控制问题.采用元胞传输模型建立城市快速路节点耦合的复杂网络动力学模型,以同步为目标设计多入口匝道协调控制器并确定控制策略,其中牵制节点对应需施加控制信号的入口匝道,推导出城市快速路网络系统同步的稳定性条件,以此得到牵制节点和反馈增益矩阵.通过具体例子仿真验证了本文协调控制方法的有效性,能以较小的控制范围代价达到抑制交通拥堵从而提高道路通行效率的目的,控制效果优于传统协调控制方式,可进一步推广到大规模城市交通网络系统.     

车联网通信技术及应用前景研究

车联网是物联网技术在交通系统领域的典型应用。本文通过研究车联网体系架构,从技术发展、市场应用等角度对比了DSRC及C-V2X两种车联网关键通信技术。最后指出车联网体系构建面临的机遇与挑战,为车联网发展路径提供智力支持。     

基于多层隐类贝叶斯网络的舰船生存能力评估模型研究

生存能力是舰船设计时需要考虑的一个重要性能指标,然而其涉及的因素较多,因素之间的关系错综复杂,不确定信息充斥其间.在系统分析舰船生存能力评估要素的基础上,针对评估过程中的不确定性信息难以量化处理的特点,引入基于贝叶斯网络的多层隐类模型算法对舰船生存能力进行评估,给出了模型评分原理.最后以实例说明了建模方法与评估过程,并结合专家意见分析了模型的优劣,说明该多层隐类模型的算法符合实际情况.     

汽车非线性半主动悬架的模糊神经网络控制

考虑磁流变减振器阻尼力和悬架弹性元件非线性特性，建立车辆6自由度的半主动悬架非线性动力学模型。提出了一种基于模糊神经网络系统结构的模型参考自适应控制方法来研究汽车半主动悬架的非线性控制问题，并考虑半车模型前后悬架的输入时滞，对其进行了仿真研究。研究结果表明：运用模糊神经网络非线性控制方法能够使人体和车身垂直加速度、俯仰角加速度都得到很大的衰减，证实这种模糊神经网络控制方法可大大减少路面对车身的振动冲击，提高汽车行驶平顺性。     

A Distributed Virtual Backbone Formation for Wireless Ad Hoc and Sensor Networks

The virtual backbone is an approach for solving routing problems in wireless ad hoc and sensor networks. A connected dominating set (CDS) was proposed as a virtual backbone to improve the performance of wireless networks. The quality of a virtual backbone is measured not only by approximation factor, which is the ratio of its size to that of minimum CDS, but also time complexity and message complexity. In this paper, a distributed algorithm is presented to construct a minimum CDS for ad hoc and sensor networks. By destroying triangular loops in the virtual backbone, the proposed algorithm can effectively construct a CDS with smaller size. Moreover, our algorithm, which is fully localized, has a constant approximation ratio, linear message and time complexity, and low implementation complexity. The simulation results and theoretical analysis show that our algorithm has better efficiency and performance than conventional approaches.     

努力开创都市圈轨道交通协同创新发展新局面

《关于培育发展现代化都市圈的指导意见》(发改规划[2019]328号)、《关于推动都市圈市域(郊)铁路加快发展意见的通知》(国办函[2020]116号)等政策文件的相继发布,使我国都市圈现代化发展进入快车道,与此同时,也为都市圈轨道交通协同发展带来新的机遇.在"十四五"开局之年,统筹干线铁路网、城际铁路网、市域(郊)铁...     

基于图时空神经网络的多充电站负荷协同预测方法

针对传统充电站负荷预测方法只能实现对单一站点预测的问题，提出一种基于图时空神经网络 （Graph Spatiotemporal Neural Network， GSTNN） 模型的多充电站负荷协同预测方法。定义时空信息图，描述充电站负荷之间的时空关系；构建时空特征提取网络，分别利用图卷积神经网络和门控序列卷积网络提取信息图的空间和时间维度信息，并使用长短期记忆网络 （Long Short Term Memory Networks，LSTM） 挖掘影响负荷预测的外部特征信息；融合提取的所有特征，进行负荷预测。算例结果表明，基于 GSTNN模型的方法能充分考虑时空特征和外部特征的影响，协同多个充电站的负荷数据进行预测，并同时输出各充电站的预测结果，有效提高预测准确度，有助于电网稳定运行。