基于车载通信实时交通信息的城市道路路径选择方法

为车辆出行规划最优路径是智能交通系统（ITS）的一个重要研究目标.本文根据有效的实时交通信息提出一种车辆路径选择机制,这种机制包括两个阶段.第一阶段,由有线或无线传输设备和车载通信设备组成的交通信息系统（TIS）,收集用于车辆出行导航的实时交通信息数据,并将其存储至交通信息中心.第二阶段,利用有效的实时交通信息,提出两种基于Dijkstra 的路径选择算法,即一步路径选择和逐步路径选择.前者在整个车辆出行过程中,仅在其出行开始阶段单次计算通往目的地的最优路径.逐步路径选择在每个交叉口都实时更新并计算通往目的地的最优路径,并提出使用两种新优化方法以避免算法形成环路.利用NCTUns 6.0 进行路网仿真,结果表明两种算法都借助于实时交通信息,且逐步路径选择优于一步路径选择.     

OPTIMIZATION OF INJECTION MOLDING PROCESS BASED ON NUMERICAL SIMULATION AND BP NEURAL NETWORKS

IntroductionPlastic injection molding is a very complexprocess and its process planning has a direct influ-ence on product quality and production efficiency.In real industry practice,the determination of in-jection molding process is usually made by makingmolding trial runs repeatedly by process planner,and the time needed and to whatdegree the param-eters were optimized are largely dependent on theexperience of process planner[1] .With marketcom-petition intensified,time and quality have beco…     

基于LM神经网络模型的机车牵引力和制动力的计算

针对传统机车牵引力、制动力计算的不足,提出了基于LM(Levenberg-Marquardt)算法的前向多层神经网络模型方法,阐述了该神经网络的结构设计,利用LM算法使得在网络结构最小、训练步长最短的情况下实现精度最优.仿真与试验的结果表明,利用该神经网络模型能较好地计算机车的牵引力与制动力,其精确性、快速性和抗干扰性都优于其他计算方法.     

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.     

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。     

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。