Optimisation of motorway operations via ramp metering and variable speed limits

This paper presents a modelling and optimisation framework for deriving ramp metering and variable speed control strategies. We formulate the optimal control problems aiming to minimise the travel delay on motorways based upon a macroscopic cell transmission model of traffic. The optimal ramp metering optimisation is formulated as a linear programming (LP) while the variable speed control problem is formulated as a mixed integer LP. The optimisation models are applied to a real scenario over a section of M25 motorway in the UK. This paper also includes various analyses on the sensitivity of the optimal control solutions with respect to different network configurations and model assumptions.     

燃料电池车辆开发的可行性

介绍燃料电池车辆的开发现状,对不同燃料作了比较,叙述了初步试验结果.     

基于BP神经网络的煤矿电机故障诊断预测

电机软故障辨识诊断一直是困扰电机维修工程师一大难题。引入BP神经网络概念,利用采集到的样本数据训练BP神经网络,得出最优网络模型。通过典型故障状态参数测试新方法的辨别能力。结合对煤矿电机参数的训练测试,通过仿真实验验证了这种新方法对电气故障诊断的有效性。     

基于GRNN算法的船用柴油机性能曲线模拟与油耗率预测

根据4190ZLC-2船用四冲程增压柴油机实际实验测得数据,建立基于广义回归神经网络(GRNN)的柴油机性能曲线和燃油消耗率预测模型。在所得实验数据中,选取柴油机油门、转速、扭矩等参数数值作为网络输入,柴油机的燃油消耗率作为网络输出。仿真结果表明:基于GRNN模型的神经网络学习速度快,预测精度高,可以很好地适用于柴油机燃油消耗率的性能预测中,并且能很好的实现预测仿真的效果。模型建立之后,可以根据测得数据实时了解柴油机的运行工况及性能状态。     

通信信号调制样式的自动识别

针对卫星通信信号中常用的数字信号调制样式的自动识别问题,提出一种基于人工神经网络（ArtificialNeuralNet,ANN）的识别算法,该算法在几乎没有先验信息的条件下,以几种调相信号为基本模型,通过双隐层人工神经网络获取频谱特征,进而判别出不同信号的调制样式。仿真及实测数据验证表明,该算法在低信噪比条件下,随着神经元组合数量的增加,数字调制样识别的正确率有明显提高。     

铁路客流量预测分析与研究

铁路客流量预测与分析对铁路部门采取有效的应对措施具有十分重要的意义,分别应用基本的神经网络和遗传算法优化BP神经网络对客流量进行了预测,建立铁路客流量网络预测模型.分别利用以前客流量的数据对2011年和2012年的客流量做了预测验证,并对2013年的客流量做了预测,结果表明利用遗传算法优化BP神经网络得到的预测数据和实际的基本相符,该预测算法应用到客流量的预测中效果良好,具有很好的应用和推广的前景.     

基于BP神经网络的仓储烟草霉变预测

烟草霉变预测尚没有有效的方法。为实时预测仓储烟草的霉变程度,选取仓储环境的温湿度和烟草的自身含水量参数作为神经网络的输入层,烟草霉变度作为输出层,建立BP神经网络烟草霉变预测模型。选取78组实测数据作为训练样本对预测模型进行训练,得出了神经网络的阈值和权值。利用14组预测样本针对该预测模型进行了仿真,并进行了线性回归分析。结果表明,建立的烟草霉变预测模型具有较高的预测精度,预测值和实际值的偏差在[-0.028,0.033]之间,相对误差绝对值的平均值为0.0019。最后,在基于嵌入式ARM+Linux+Web的某公司烟草仓库智能监测系统中,实现了烟草霉变实时预测功能,取得了较好的效果。     

基于神经网络和支持向量机的大客车运行车速组合预测

为了降低单个预测方法的不确定性,综合神经网络和支持向量机两种学习型算法,基于二者的最优加权组合对大客车运行车速进行了预测.以二级公路上244个路段的平曲线半径和纵坡度等线形数据和实测车速为样本,分别应用BP神经网络、支持向量机、最优加权组合预测以及线性回归对大客车第85百分位运行车速进行了预测.选择均方根误差和判断系数为评价指标,对比结果表明,最优加权组合预测能够综合单个预测方法的信息,提高了预测精度.     

基于BP神经网络的武器装备电气系统故障诊断方法研究

武器装备电气系统具有非线性特性,利用BP神经网络处理非线性特性的能力可以提高故障诊断效率.建立了BP神经网络的故障诊断模型,分析了故障特征提取与样本预处理的方法,并将其应用于武器装备电气系统的故障诊断中.该方法对于提高武器装备电气系统故障诊断的准确率具有良好的实际应用价值.     

�����������OD�ֲ������Ʒ���

以道路网络的路段流量为基础进行OD分布矩阵估计.与以往文献不同的是本文应用了多层前馈神经网络的方法.由于路段流量与相关的OD矩阵分布之间存在连续性关系,这为神经网络模型的逼近特性提供了可行性.本文的方法适用于OD分布矩阵的实时校正.在已知OD分布矩阵的前提下,对两种情境———试验网络和实际Naples农村道路网进行仿真分析.主成分分析法的应用减少了变量个数并有利于改进输入数据.估计误差相对较低,与分析方法相反的是处理的时间几乎是实时的,因此这种方法可用于动态交通管理.本文的神经网络方法在误差和计算时间方面优于传统商业软件得到的OD估计结果.