关于智能运输系统的关键理论——综合路段行程时间预测的研究

行程时间预测是智能运输系统研究的一个重要问题。为此,建立了许多算法,有历史趋势方法、非参数回归模型、时间序列方法、神经网络、卡尔曼滤波、交通模拟和动态交通分配模型等。然而,在变化的交通状况和任意时段的条件下,这些方法和模型都不能取得令人满意的预测结果。在总结这些已有的预测方法和模型的基础上,提出了一种综合模型。     

有时间约束旅行商问题的启发式遗传算法

有时间约束的旅行商问题作为旅行商问题的拓展,是一个重要的NP难题,深入研究这一问题具有重要的理论和实践意义。将时间窗约束转化为目标约束,采用序列编码设计了基于启发式规则的可同时处理软、硬时间约束的遗传算法——2-交换变异的遗传算法和3-交换变异的遗传算法。实验表明HGA1优于简单遗传算法(SGA),HGA2优于HGA1。     

PASSIVE CONTROL FOR A CLASS OF UNCERTAIN TIME-DELAY SYSTEMS

Introduction　　 Control of time- delay systems has been an at-tractive field in control theory and applicationssince the time- delay systems are frequently en-countered in the real world.They are much differ-ent from their non- delay counterparts.For exam-ple,it is well known that the existence of delaysmay degrade the respond of the closed- loop sys-tems,or even induce instability[1] .Hence,theavailable results of non- delay sytems can notbe di-rectly applied to time- delay systems in genera…     

水泥改良细砂类土延迟时间对强度和干密度的影响

以东北某新建Ⅰ级国铁项目特定的细砂类土为研究对象,在特定的水泥掺量下,做了不同延迟时间下的室内击实试验,并在标准养护7 d后,做饱和无侧限抗压试验。根据大量室内试验数据,分析了特定水泥掺量下水泥改良细砂类土的延迟时间对最大干密度以及7 d饱和无侧限抗压强度的影响,得到了最大干密度以及7 d饱和无侧限抗压强度随延迟时间的变化规律,给出了简便适用的计算公式,对此类土的科学施工及质量控制起到了较好的指导作用。     

汽车底盘测功机加载滑行测试研究

建立我国基于国际单位制的在用车工况法尾气排放污染物测试系统中底盘测功机加载滑行测试滑行时间的计算公式。依据此公式,给出了准确的恒加载滑行测试和变加载滑行测试的计算滑行时间,对底盘测功机的加载准确度进行判定。     

面向汽车企业的特色成人教育

随着中国经济的快速增长,人民生活水平的不断提高,汽车已不再是一种身份的象征,它已作为一种普通的交通工具进入千家万户。面对这种形势,如何为汽车企业培养更多的实用型人才便成为成人教育面临的新课题。结合作者的工作实践,简述了对成人教育的认识,指出要走特色兴校之路,办出贴近汽车企业的成人教育。     

气压制动系统响应时间优化设计

随着商用车的发展,消费者对车辆安全性的要求越来越高。制动响应时间是评价气压制动系统性能的重要指标,研究缩短制动响应时间的方案意义重大。试验表明,通过优化气压制动系统的选型及布置能有效提升制动响应时间,缩短制动距离,提高整车安全性。文章从气压制动系统管路布置及优化选型等多方面进行分析,并结合试验数据论证影响制动响应时间的因素,固化一些优化方案。     

基于有限理性满意决策原则的出发时间选择模型

通过对交通行为建模的经济学假设进行分析,认为经济学研究方法可以应用于交通科学,但完全理性假设不符合交通行为的决策规则。为此,引入有限理性满意决策原则构建出发时间选择模型。建模的基本思路是设定驾驶员决策目标为满意到达时间,将决策范围限制在满意的最早和最晚到达时间所构成的效用区间,寻求区间效用最大化。     

冰击荷载作用下高速车辆-轨道-桥梁系统耦合振动分析

为了探明流冰撞击桥墩对高速车辆-轨道-桥梁耦合系统动力学行为的影响,采用精细化有限元模型模拟了流冰撞击桥墩的过程,计算获得了不同冰排特性下流冰撞击力时程曲线,基于列车-轨道-桥梁动力相互作用理论,以流冰荷载作为外激励,建立了高速车辆-轨道-桥梁-冰击动力学分析模型.以5跨32 m简支梁为例,通过研究不同冰击荷载作用下桥...     

基于改进 BiLSTM 网络的地铁车轮磨耗预测模型

针对地铁车轮磨耗数据时间跨度较长引起的长期依赖问题,为了进一步提升预测精度,提出一种将麻雀搜索算法(sparrow search algorithm,SSA)优化双向长短期记忆网络(bidirectional long short term memory,BiLSTM)的改进 BiLSTM(SSA-BiLSTM)网络模型,用于地铁车轮磨耗预测。首先,利用麻雀搜索算法对双向长短期记忆网络算法的神经元个数、迭代次数、输入批量和学习率等超参数在给定范围内进行寻优,得到参数最优值;然后,以参数最优值来构建改进 BiLSTM 网络模型,对车轮磨耗进行预测分析;最后,以车轮踏面磨耗和轮缘磨耗作为研究对象,将某地铁 1 车厢 1 号车轮的现场实测历史磨耗数据作为输入,对该模型进行训练及验证分析,并与多层感知机(multilayer perceptron,MLP)、LSTM、BiLSTM 以及 SSA-LSTM 模型的预测结果进行对比。研究结果表明：SSA-Bi-LSTM 模型的车轮磨耗预测精度更高,与 LSTM、BiLSTM 以及 SSA-LSTM 网络模型相比,踏面磨耗的平均绝对百分误差(mean absolute percentage error,MAPE)分别降低了 13.28%、10.32%、1.47%,轮缘磨耗分别降低了 9.5%、0.46%、0.02%;分别对同一地铁 2 号、4 号车厢的 1 号位置车轮磨耗进行预测,并与磨耗实测数据进行对比,踏面磨耗的平均绝对百分比误差分别为 1.34%、1.42%,轮缘磨耗的平均绝对百分比误差分别为 0.18%、0.19%,验证了本文所提模型具有良好的泛化性,为地铁轮对智能化管理提供理论支持,延长车轮使用寿命。