基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况,提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数,利用列车运行过程中的状态偏差,推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数,通过迭代域的差分,证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证,结果表明,所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度,能够在较短的迭代次数实现对期望曲线的精确跟踪.     

利用office中的Excel来计算土的塑性指数

利用Excel强大的数据处理功能，根据土的液塑限试验数据计算方法，制作形成一套自动计算、分析试验数据，得出试验结论的Excel计算表格。从而减少人为操作误差，提高数据处理的速度和准确性，使试验检测结果更具有真实性和可靠性。     

广告和服务投入及价格选择的多维博弈分析

根据现代企业在市场竞争中的特点，建立了2个企业在市场上同时进行产品广告、服务和产品价格选择的多维博弈模型，并求得其均衡解．对均衡解的分析表明，企业确定产品广告和服务投入以及价格选择时，应从上述3方面综合考虑，选择最优的策略向量，以使企业的利润最大化．     

渐开线齿轮Kβ的新计算方法

针对齿轮强度国家标准中关于齿轮轮齿载荷分布系数Kβ计算方法的一些不妥之处，提出了新的改进算法，新算法舍弃了国标中轮齿载荷分布沿齿向成线性的假设条件，依据轮齿的载荷-变形协调关系，把影响载荷分布系数Kβ的各类误差归结为影响轮齿齿向的初始载荷分布，考虑了轴承的变形、齿轮的制造、安装误差、齿轮轴向力及其齿轮跑合量对Kβ的影响，最终确定在动态条件下轮齿啮合线上的稳定载荷分布，再由KHβ=Wmax／Wm算得轮齿的载荷分布系数，实例表明本计算方法比齿轮强度国家标准推荐的计算方法更有效、实用。     

A DYNAMIC FAULT TOLERANT ALGORITHM FOR IMPROVISING PERFORMANCE OF MULTIMEDIA SERVICES

MultimediaServiceshasdrawnmuchattention frombothindustrialandacademicresearchersdueto theemergingconsumermarketresultfromfaster developmentofnetworkbandwidthandhighavaila bilityofmultimediatechnologies,suchasinterac tivemultimedia,videoondemand(VOD),multi…     

凸度量空间中渐近拟非扩张映象具误差的Ishikawa型迭代序列的收敛性

笔者在凸度量空间中，对渐近非扩张映象T证明了带误差的Ishikawa型迭代序列收敛于不动点的一个充要条件，其中T不必是连续的。     

凸度量空间中渐近拟非扩张映象具误差的Ishikawa型迭代序列的收敛性

笔者在凸度量空间中,对渐近非扩张映象T证明了带误差的Ishikawa型迭代序列收敛于不动点的一个充要条件,其中T不必是连续的.     

最佳回归分析法在工程中的应用

在工程中常作回归分析,所建回归模型常含有模型误差,为了提高回归精度,作出正确的回归预报,研究回归模型的误差补偿,笔者在文中建成了一套检验和补偿模型误差的方法.     

基于乘客感知的多模式公交服务质量差异性研究

针对多模式公交服务质量的差异性，提出一种以TAN贝叶斯网络与支持向量机(SVM)为 基础的多方法组合评价模型，评价各模式公交服务质量，并预测检验了指标优化效应。首先，采 集2015—2018年市区线路、郊区线路、快速公交、定制公交的服务质量调查数据，基于公交方式截 面，使用TAN贝叶斯网络推理得出各因素对乘客满意度的影响能力及潜在影响关系；其次，结合 IPA分析方法，基于时间截面定位分析各模式公交选取指标的服务水平，辨识各模式公交需优化 的主要指标；最后，选取多层感知器(MLP)、长短时记忆神经网络(LSTM)与SVM进行对比，验证 了SVM回归预测的精准度，并采用SVM与OAT方法预测得到各模式公交满意度变化及指标敏 感性，参照因素间潜在的影响关系提出优化方案。结果表明：4种公交模式的服务质量影响关系 网络具有差异性，各模式公交均存在车厢拥挤问题，市区线路的指标优化效果最佳，正效应为 36.4%；市区和郊区线路均应与其他模式公交匹配发车计划，通过缩短乘客候车时长可分别提升 39%、32.2%的乘客满意度；快速公交需提升车辆行驶的稳定性，定制公交需要调整线路规划，减 少乘客乘车总时长，优化为整体服务质量提升带来的正效应分别为42.7%和37.4%。     

基于改进多尺度排列熵的S700K转辙机故障诊断

基于提速道岔S700K转辙机故障的功率曲线在频域上的多重特征,提出了基于改进多尺度排列熵的多变量支持向量机(structured support vector machine, SSVM)故障诊断方法.首先对S700K转辙机动作功率曲线进行集合经验模态分解和小波分解,获得两类不同时间尺度的模态分量;再利用改进多尺度排列熵计算不同分量的故障特征参数,为了降低计算维度,应用核主元分析理论,在不损失信号重要特征的情况下,取大于95%贡献率的特征值作为故障特征向量;最后,引入基于决策树的SSVM算法,经过小样本训练得到树状最优故障间隔面,从而实现S700K转辙机故障分类.实验结果表明:该方法可有效判定S700K转辙机故障类型,进而提高故障诊断精度和效率.