结合状态观测与遗传算法的船舶路径预测控制

为实现具有速度不易测﹑模型不确定﹑受外界因素干扰﹑输入需约束及优化等特点的欠驱动船舶的路径跟踪，提出带状态观测的模型预测控制（MPC）。在限制条件下利用MPC求解性能指标函数，处理舵角优化﹑舵幅与舵速约束问题。设计扩张状态观测器（ESO）对环境干扰和模型不确定项进行估计，提高MPC的性能。通过预测未来估计误差，利用遗传算法在线调节ESO参数，提高估计性能。基于指数函数建立速度观测器，避免速度不易测。稳定性分析和仿真试验结果表明，采用该结合状态观测的MPC船舶路径控制方案，当速度和干扰均未知时，船舶仍能跟踪上参考路径，舵角平滑且始终在约束值内，MPC控制精度和ESO估计精度均得到提高。研究结果说明该方案是可行的、有效的。     

那扶河及镇海湾出海航道工程通航标准分析

本文根据那扶河及镇海湾航道现状及规划、港口规划、航道货运量预测、通航船型预测等对那扶河及镇海湾航道工程通航标准进行分析。     

地铁闸机扇门机构故障时间序列预测研究

基于CNN+ LSTM混合神经网络构建故障时间序列预测模型，利用某型号地铁闸机扇门机构的故障数据进行实例分析，并与ARIMA、CNN和LSTM 3种单一预测模型对比。结果表明:CNN+LSTM混合神经网络模型的预测准确性较高，具有良好应用前景，研究成果可用于支持地铁闸机维修计划的制定和优化。     

采用多元化综合方法的农村公路网规模预测研究

为提高农村公路路网规模预测准确性,从农村公路影响因素识别、预测方法比选出发,构建了农村公路路网规模预测的多元化综合方法,并进行山西省"十四五"农村公路路网规模的预测,为农村公路网规划提供参考,推动农村公路网实现系统化合理化均衡化发展。     

基于神经网络的远海航道船舶流量预测系统构建

远海航道船舶流量受到多种因素的综合作用,具有一定的周期性,同时具有强烈的非线性,传统线性建模方法无法对远海航道船舶流量进行高精度的拟合,使得远海航道船舶流量预测偏差大。为了克服当前远海航道船舶流量预测系统存在的局限性,设计了基于神经网络的远海航道船舶流量预测系统。首先分析当前远海航道船舶流量预测系统的研究现状,指出各种系统存在的缺陷,然后利用神经网络的非线性建模性能设计了性能良好的远海航道船舶流量预测系统,最后对该远海航道船舶流量预测系统的有效性进行了测试。本文系统可以高精度实现远海航道船舶流量预测,远海航道船舶流量预测误差远远小于实际应用要求的临界要求,并与其他系统进行对比分析,本文远海航道船舶流量预测系统的预测效果明显更优。     

基于灰色二次指数平滑的QAR参数关联度预测

由于QAR参数波动的后果具有潜在性和滞后性,因此分析人员容易忽视其危险性而使其发展为不利事件。针对该问题,提出运用QAR参数关联度分析的方法,建立QAR参数波动与事件之间的对应关系;并构建基于二次指数平滑-灰色关联法的关联度预测模型,进一步明确QAR参数波动与事件之间关系的动态变化趋势。运用实际数据对该模型进行验证,表明结论符合实际,该模型科学合理,可以用于QAR参数分析过程。     

基于GA-BP和小波-SVM算法的风电场短期功率预测

风力发电过程中的功率预测问题是制约风力发电发展的重要因素。针对单一传统神经网络易陷入局部最优的问题,提出了利用信息熵原理把遗传算法优化的BP网络和小波-支持向量机2种算法进行组合预测,结合华北某风电场提供的历史功率数据和数值天气预报数据对未来48 h功率进行预测,仿真结果表明,该组合预测方法的预测精度比单一预测模型的预测精度高,效率高,具有一定实用价值。     

智能客站设备大数据运维服务平台的设计与实现

针对如何对铁路客运车站(简称:客站)设备进行更高效、全方位、多角度地进行管理的问题,搭建了智能客站设备大数据运维服务平台,介绍了其功能架构和设备健康状况评价体系。该平台实现了设备运行状态的实时监测、特征主动识别、故障预测、运维趋势推演、多属性健康状况评价等功能,提升了客运设备健康程度和智能客站设备管理整体智能化水平,为智能客站设备运维管理提供了新的管理思路和技术手段,为下一步客站设备健康评估应用的开发奠定基础。