基于广义时空图卷积网络的交通群体运动态势预测

针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率。分析结果表明：相较于传统自回归求和滑动平均(ARIMA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79%、22.97%和16.73%;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17%和75.71%。可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息。     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明：基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s^-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。     

高海拔多年冻土区砂石路面公路的路基温度场特征

为了研究修筑公路对高海拔多年冻土层热状态的影响,开展了新藏公路多年冻土区路段沿线病害调查,在海拔5 400 m地带修筑了冻土地温监测断面与气象监测站点;对气温、地温、辐射强度进行了监测,依据监测结果计算了冻土上限处的热流通量,分析了多年冻土层地温变化特征;基于热传导和热扩散理论,建立了天然地基及普通路基下部多年冻土地温-深度理论预测模型。研究结果表明：多年冻土区公路病害主要由于沥青路面大量吸热导致,热棒、隔热层等主动、被动保护的手段虽有一定效果,但不能改变多年冻土的快速退化;研究区域天然地基与路基中心一天内温差最高达19.66 ℃,左、右路肩一天内温差最高为4.94 ℃,天然地基下深层多年冻土温度稳定在-6.0 ℃左右,路基中心下部深层多年冻土温度稳定在-5.6 ℃左右,路基下部相较天然地基温度变化更为剧烈,且等温层温度更高;研究区域的辐射强度在一天的10:00~18:00显著增强,在一年的3~6月为辐射强度的顶峰期,浅层地温主要受辐射强度的年周期变化影响;天然地基、路基中心、阴坡路肩与阳坡路肩下部多年冻土层年热流通量依次为-4 001、-14 649、-4 487与58 303 kJ·m^-2,路基中心散热速率大于天然地基,阳坡路肩处大量吸热;天然地基的等温层出现在9.79 m深度处,而路基中心等温层出现在9.61 m深度处,路基中心等温层位置更浅,路基土的换填使路基下部浅层冻土温度变化更明显,短期内对下部多年冻土的散热有正向作用;在阴阳坡效应下,阳坡下部多年冻土温度升高,路基热稳定性降低,并产生不均匀沉降。     

磁浮列车悬浮系统LSTM与MGD融合的在线异常检测方法

针对磁浮列车悬浮系统的在线异常检测问题,提出了一种基于长短时记忆(LSTM)神经网络与多元高斯分布(MGD)的检测方法;建立学习悬浮系统正常运行的LSTM时间序列预测模型,得到了正常情况下的预测误差;基于间隙、电流和加速度的预测误差,建立了反映正常情况下预测误差分布特性的MGD模型;以对数概率密度作为检测指标,设计了在线检测逻辑,并以F₁分数作为检测效果衡量指标设置阈值;为了验证所提方法的有效性,利用磁浮列车运营线数据模拟在线数据,采用所提方法对过轨道接缝异常、砸轨异常和加速度信号异常进行了检测与分析。研究结果表明：在检测以上3类异常时,所提方法的F₁分数分别达到了100.00%、97.85%和83.33%,所提方法的检测指标在正常和异常情况下对比明显,可以反映出悬浮系统产生异常到调整好的具体时间段,并且算法平均耗时约2 s;相较于基于超球体高斯分布方法,所提方法检测率平均提高了1.9%,其中对于持续时间短的过轨道接缝异常的检测率提高了9.4%。可见,所提方法可以对悬浮系统状态数据进行异常在线检测。     

船体曲率板感应加热成形工艺研究

在船体曲面板的冷成形过程中,回弹是影响成形精度的主要因素,为提高板条成形质量,需研究回弹预测方法以获得合适的回弹控制方式,进而指导模具设计。

基于全卷积神经网络（FCN）对回弹图片进行像素级计算和回归计算,从而实现对每个成形位置的回弹量预测。首先,利用ABAQUS 2019建立有限元模型,并通过实验结果进行准确性的对比验证;然后,采用验证后的有限元方法计算获取神经网络训练样本集,将板条几何信息作为神经网络的输入,并基于不同卷积层结构采用TensorFlow深度学习框架来搭建全卷积网络模型;最后,对比分析不同神经网络的优劣,并将最优网络应用于模具设计。

算例分析结果显示：FCN模型预测回弹量的最大误差为8.49%,具有较高的准确度,其中FCN32的精度最高;FCN模型可以实现模具形状的一次性设计,计算时间仅为0.5 s,最大误差仅为1.00%,显著提高了计算效率。

全卷积神经网络算法提供了一种快速高效的板条回弹预测方法,以及快速设计模具形状的新思路。

     

船舶阻力图谱计算与模型试验结果比较分析

旨在研究船模阻力预报不确定度的主要影响因素及机理,并提出相应的抑制方法。

在循环水槽中对船长为1.725和3.450 m的KCS船模分别进行船模阻力试验与伴流测量试验,通过对比试验结果总结模型尺度对阻力的影响;开展3.450 m 的KCS船模在无限水域/循环水槽中的数值模拟,通过对比数值结果总结阻塞效应对阻力的影响,验证简化田村公式的修正效果;进行不同湍流强度循环水槽条件下3.450 m KCS船模绕流场的数值模拟,总结湍流强度对阻力的影响。

结果显示,对于小尺度船模,低流速下过低的总阻力值会放大由数据采集、来流不均匀性等因素引入的不确定度;对于大尺度船模,阻塞效应会导致船体下沉、船体表面压力梯度增加和兴波波幅增大,从而引起船模阻力增加;未修正时,循环水槽/无限水域下总阻力计算值R_t的平均偏差为4.56%,经简化田村公式修正后,平均偏差为2.25%;当来流湍流强度由1%增大至2%后,R_t平均增加了3.75%;流场中湍流强度沿流向衰减,且从入口到船首的衰减是线性的。

研究表明,要减小船模阻力预报的不确定度,在船模试验中,模型尺度不宜过小且应降低来流湍流强度并采用简化田村公式修正阻塞效应;在数值预报中,应根据湍流强度的衰减程度设置适当的入口湍流强度。

     

An Approach to Hide Secret Speech Information

Introduction Informationhidingasacommunicationprob-lem[1]canbeadoptedtoprotectthesecurityofme-dia(signal)andchannelofcommunication.Media securityisrelativetocopyrightprotectionofdigital media,i.e.watermarking.Channelsecurityasso-ciateswithsecurecommunication.Mostresearch todaylayparticularstressontheformer,whilelit-tleattentionispaidtothelatter.Thispaperisfo-cusedonthesecurityofcommunicationchannel,proposesanapproachofreal-timespeechsecure communicationbasedonthetechniqueinformation hiding.Th…     

混合动力发动机在线扭矩估算算法研究

为了满足混合动力发动机扭矩管理控制策略的需要,建立了基于平均值模型和A/N—Te模型的发动机在线扭矩估算算法。在试验过程中,针对进气歧管压力响应滞后于节气门快速变化的问题,提出了预估算进气歧管压力估计进气流量的方法,消除了进气歧管内压力滞后的影响,完善了原始算法。通过台架试验得到发动机输出扭矩实测值,将实测扭矩与估算扭矩相比较,验证了算法的准确性。     

基于关联分析和遗传算法优化BP的隧道围岩变形预测

隧道工程处于岩土介质中,岩体自然因素与隧道围岩变形难以用确定的关系表述。因此,通过现场监测隧道变形情况,预测隧道围岩变形具有重要意义。选取我国地势第二阶梯的川陕鄂黔中、低山区,以吴家沟隧道为依托,基于灰色关联分析,选取影响隧道围岩变形的主要因素,基于生物进化的思想,用遗传算法优化BP神经网络,并验证该算法的正确性和精确性。应用工程实际,得到空间维预测结果,为实际应用提供借鉴。结果表明,在隧道围岩变形预测中,遗传算法优化神经网络比原始算法精度高,满足隧道围岩变形预测精度的需要,对长大高风险隧道围岩变形预测有一定的参考意义。     

高速公路汽车追尾模型

应用自适应神经模糊推理系统,以两车车速差、跟随车的车速、行车间距为输入量,两车的追尾概率为输出量,建立了高速公路汽车追尾的ANFIS(自适应神经模糊推理系统)概率模型,计算出在不同车速差和行车间距时的高速公路汽车追尾概率.该概率模型为高速公路汽车追尾建模提供了一种新思路,对模型进行实时校正后用于追尾预测,对避免高速公路汽车追尾具有指导意义.