基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

高地应力千枚岩隧道二次衬砌施作时机研究

二次衬砌施作时机一直是高地应力软岩隧道工程设计与施工过程中面临的关键技术难题之一。为此,依托在建成都-兰州铁路典型千枚岩隧道工程,基于隧道变形长期监测结果,分析高地应力软岩隧道变形时程特点,考虑软岩隧道荷载特点,确定了二次衬砌施作时机原则;考虑隧道测量丢失变形,提出软岩隧道第1稳定阶段变形量确定方法;通过现场实测变形数据统计回归,基于一定保证率确定不同大变形等级和不同断面下的软岩隧道二次衬砌施作时机,并进行现场试验验证。研究结果表明:适当刚度的初期支护可以实现高地应力软岩隧道前期变形稳定,但无法保持围岩长期稳定,二次衬砌应该在初期支护变形达到第1稳定阶段后施作,既可以减少二次衬砌荷载,又可以控制围岩变形;采用指数函数拟合软岩隧道变形具有较好的相关性,但参数差异性较大,同时在确定隧道第1稳定阶段变形量时应考虑测量丢失变形;轻微、中等大变形段拱顶下沉变形速率小于0.1~0.2mm·d^-1,边墙收敛速率小于0.5mm·d^-1,严重、极严重大变形段拱顶下沉变形速率小于0.4mm·d^-1,边墙收敛小于0.6mm·d^-1,即可进行二次衬砌施作;轻微大变形段、中等大变形段和严重大变形段分别在隧道开挖45~55 d,55~60 d和80~90 d后达到二次衬砌施作标准。     

混凝土冻融破坏机理分析及寿命预测

为提高高寒地带混凝土的耐久性,对混凝土的冻融破坏机理进行了分析,并对受到冻融破坏后的混凝土寿命预测方法进行了简介。分析表明,目前混凝土冻融破坏应用比较成熟的理论为静水压理论和渗透压理论,静水压理论和渗透压理论的主要区别就在于未冻水的迁移方向。混凝土抗冻性影响因素主要有水胶比、含气量、粗集料和掺合料。每种影响因素作用的机理不同,但都共同影响着混凝上在冻融环境下的耐久性。既有研究建立的混凝土冻融寿命预测方面还仅停留于理论层面,能够指导工程实践应用的寿命预测模型仍有待进一步研究。     

基于模型预测控制的智能车轨迹跟踪控制研究

为了完成智能车的轨迹跟踪,提出一种基于模型预测控制的轨迹跟踪方法,利用将运动学模型这个非线性系统线性化的方案,来获得必须的线性时变系统,采取模型预测控制的三要素来设计控制器。并且基于MPC在控制过程中能增加多种约束的优点,建立基于车辆运动学模型的约束做轨迹跟踪仿真实验,最后,基于山东理工大学智能车平台上GPS提供的定位信息,在校园中采集路线并对前提规划好的的轨迹进行实车验证。实验结果表明:基于MPC算法所设计的控制器能快速且稳定地跟踪期望轨迹。     

基于偏最小二乘回归的疏浚产量预测方法

针对绞吸式挖泥船产量预测困难的问题,对挖泥船作业实时反馈的数据进行研究。利用Relief权重算法提取出影响挖泥船产量的主要工艺参量,并在此基础上采用偏最小二乘回归,建立主要工艺参量与产量之间的数学模型,实现对挖泥船产量的预测。结果表明,利用偏最小二乘回归建立的数学模型能够很好地对挖泥船的产量进行预测,可为预测挖泥船的产量提供一种有效的方法。     

基于ANFIS的环境激励下桥梁结构应变响应预测分析

为准确预测复杂环境荷载作用下混凝土连续梁桥结构应变响应,基于结构健康监测系统长期实测数据,分析桥梁结构温度场变化规律,进而基于主成分分析及自适应神经网络模糊推理系统,建立桥梁结构温度场与桥梁结构应变响应的复杂非线性关系。首先,利用小波分解技术分离环境荷载及车辆荷载作用下的桥梁结构实测应变响应;然后利用平行坐标轴,分析混凝土连续梁桥结构温度场变化规律,并利用主成分分析提取结构温度场实测温度数据主成分;最后基于自适应神经网络模糊推理系统,以应变测点处温度数据、桥梁结构温度场实测温度数据主成分和采样时间点数据为输入数据,分别建立不同输入变量组合与应变响应的复杂非线性关系,并对比分析不同工况下结构应变响应的预测精度。结果表明：桥梁结构各测点处实测温度数据变化趋势基本一致,同侧测点实测温度数据高度相关,但桥梁结构上、下表面测点温度变化存在明显差异,仅考虑应变测点处温度变化,难以准确预测桥梁结构应变响应;当考虑桥梁结构温度场变化时,能更精确地建立温度与应变响应之间的关系模型,进而基于实测温度数据准确预测桥梁结构应变响应;当缺乏结构温度场实测温度数据时,将采样时间点作为反映桥梁结构温度场变化规律的参数,可取得较好效果。     

岩爆灾害研究与进展

为阐明岩爆机理,减少岩爆灾害,对岩爆的定义、分类、研究方法、特征、形成条件、预测方法及防治措施进行了系统的阐述。在前人工作的基础上,结合国内外已有的工程实例,对岩爆的时空特征和发生部位的岩性特征进行了剖析,对已有的岩爆研究方法和预测方法进行了合理分类和简要介绍,指出了部分研究方法的不足之处和预测工作的发展趋势。综合现有研究表明:岩爆分类采用的标准各有不同,其研究方法还具有改进的空间;适用于大部分工程的岩爆预测方法仍在探索和完善中;有效的岩爆防治措施有待进一步研究和优化。     

基于贝叶斯概率估计的智能电动车动态目标避障算法

为了实现智能电动车在中汽中心智能网联示范基地内的动态避障,首先将直角坐标系与曲线坐标系进行转换,构建以参考路径的弧长s为横坐标,横向偏移距离q为纵坐标的曲线坐标系;其次,在曲线坐标系中利用三次多项式生成满足初始位姿与子目标点位姿的候选路径,同时对标准化常量的似然函数进行定义,在此基础上利用贝叶斯定理对每条候选路径的危险等级进行概率估计;在动态避障过程中,借鉴速度障碍法对碰撞威胁进行实时检测,并建立最短避障时间和安全距离的数学模型来实现高效的动态避障,最后对行人占用车道行走与横穿马路2种典型场景进行动态避障试验。研究结果表明：在曲线坐标系中,通过横向偏移距离能够便捷地建立起一系列候选路径,克服在直角坐标系中寻找移动子目标点这个难题;在寻找安全路径方面,由于智能电动车工作环境的不确定性,利用贝叶斯定理对候选路径危险等级进行概率计算的方法可靠性更高,速度障碍法与避障数学模型的结合满足碰撞危险检测的实时性和动态避障的高效性要求。试验结果表明：采用曲线坐标系中的动态避障算法对行人占用车道和横穿马路2种场景进行了有效的避障,在路径选择上符合实际驾驶习惯,达到了智能网联示范基地动态避障的要求。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。