客车内部装饰简析

客车内部装饰的发展方向 从昔日的铁皮喷漆到今天的全铝合金航空行李架,客车内饰的发展呈现高档化、设计化和模具化,已经开始与国际知名品牌接轨,同时也为中国客车走向世界的产权问题扫清了障碍.     

骑行旅游——了解世界的最好方式

正带着1辆自行车和1张地图穿越陌生国度,遇见前所未见的人和事,能让你比普通背包客收获得更多。这种长途骑行并不孤独,也没有那么多险阻,你需要的只是勇气。不久前,英国探险家汤姆·艾伦(Tom Allen)启动了1个新项目——"上路旅游"(the Janapar Grant),旨在鼓励年轻人闯游世界。不同寻常的是,该项目为参与者提供的仅是     

相参海杂波建模与建模和仿真研究

本文采用零记忆非线性变换法和球不变随机过程法对海杂波进行了建模和仿真研究,实现了相参Rayleigh分布、相参Weibull分布和相参K分布杂波的模拟,并对建模和仿真数据进行了检验,验证了建模和仿真方法的有效性。本次建模的特色之处在于考虑了杂波的相参性,并建立了三种杂波的概率分布模型和功率谱模型。     

基于深度学习的公交到站时间预测研究

大数据背景下传统的公交到站时间预测方法在预测精度和训练速度方面已经不能满足人们的期望.文章以衡水市公交运行实际数据为例,运用深度学习中的长短时记忆网络(LSTM)和人工神经网络(ANN)混合模型,综合考虑运行时段、天气状况、道路基础设施、是否交叉路口、是否高峰路段等因素,对公交车的到站时间进行预测研究,结果显示混合模型...     

基于CEEMDAN-IPSO-LSTM的城市轨道交通短时客流预测方法研究

消除客流数据随机噪声和确定神经网络超参数是城市轨道交通短时客流预测组合模型需要解决的关键问题。基于弱化客流数据噪声的自适应噪声完全集成经验模式分解算法(CEEMDAN)将客流时序数据分解为若干个频率和复杂度均不同的固有模态函数分量和剩余分量后,利用引入自适应策略的改进粒子群算法(IPSO)动态求解长短期记忆神经网络(LSTM)超参数的最优值,构建CEEMDAN-IPSO-LSTM组合模型预测城市轨道交通短时客流量。以广州地铁杨箕站自动售检票系统采集的历史进(出)站客流数据为例进行实验,研究结果表明：IPSO算法较PSO算法在基准测试函数Sphere,Sum Squars,Sum of Different Power,Rosenbrock,Rastigrin,Ackley,Griewank和Penalized上的最小值、最大值、平均值和标准差均更接近最佳优化值,CEEMDAN-IPSO-LSTM模型较LSTM模型、CEEMDAN-LSTM模型、CEEMDAN-PSO-LSTM模型的全月全日进(出)站的预测误差评价指标SD,RMSE,MAE和MAPE分别降低了12～40人次(13～35人次...     

基于长短期记忆模型的跟车距离预测研究

当前不少前向碰撞预警系统以预警距离作为预警的特征量对驾驶人进行预警,因此,提高对跟车距离的预测准度能够直观有效提高该前向碰撞预警系统的预警能力。研究通过驾驶模拟器构建跟车场景,收集了41名驾驶员的跟车行为数据,按照3:1的比例将试验数据划分为训练集和测试集。将驾驶人的跟车距离与速度作为长短期记忆模型的输入,跟车距离作为模型的输出,对驾驶人的跟车距离进行了预测分析研究。结果表明,利用该数据集的模型能够很好的预测驾驶人的跟车行为,泛化性能较好,没有过度拟合现象。并且通过输入不同时间窗口长度的测试集发现,随着测试集长度的降低,预测结果的误差会更大。能够为提高前向碰撞预警系统的精准度提供理论支持,从而增加驾驶员对预警系统的接受度。     

基于LMI方法的线性不确定时滞系统鲁棒镇定

考虑同时具有状态时滞和输入时滞的参数不确定线性时滞系统的鲁棒镇定问题,其参数不确定性满足范数有界条件,而状态时滞和输入时滞均为时变有界形式.鲁棒镇定控制器采用无记忆状态反馈形式,用线性矩阵不等式(LMI)方法,给出了在该控制器作用下闭环系统鲁棒指数稳定的LMI形式的充分条件.所给出的判据不要求时滞导数小于1,降低了以往文献中稳定性条件的保守性,既适合于快时变时滞系统,也适合于慢时变时滞系统.最后,通过数值算例验证了所给鲁棒稳定性条件的有效性.     

一种基于神经网络的轮胎慢漏气时间序列预测方法

轮胎胎压不足的状况一旦发生,易导致行车过程中车辆的失控并带来不可逆的交通伤亡事故。而轮胎的慢漏气故障是一种常见的交通事故诱因,且该诱因不易察觉。因此,为了及时预测到轮胎的慢漏气故障,本研究以某型纯电动车的轮胎胎压时间序列变化数据为基准数据,实现改进的长短期记忆网络,建构基于神经网络的轮胎慢漏气时间序列预测模型。首先,分别进行原始时间序列的正常胎压变化趋势与异常胎压变化趋势的数据筛选与清洗等工作;其次,分别基于变分模态分解及自适应差分进化算法,实现长短期记忆网络的模型训练;最终,分别基于慢漏气时间序列校验集,进行消融实验的预测结果评估与可视化样例的对比分析。消融实验结果相较于基础的长短期记忆网络提升了15%左右的性能,可视化样例中大部分的慢漏气时间预测差值波动范围在6h内。综合实验结果可验证本研究所实现的基于神经网络的轮胎慢漏气时间序列预测模型的优越性。     

多发脑梗死血浆内皮素的动态变化及补肾化瘀中药的影响

采用放射免疫分析（ＲＩＡ）对多发脑梗死模型组大鼠和补肾益脑、活血化瘀中药治疗组血浆内皮素（Ｅｎｄｏｔｈｅｌｉｎ, ＥＴ）进行动态测定,并用水迷宫试验评价其分辨性学习记忆能力。结果表明：多发脑梗死血浆ＥＴ存在先迅速升高,７ｄ 达峰后迅速下降,至１４ｄ 达正常水平的时相变化;补肾益脑、活血化瘀中药组各时期ＥＴ水平均显著低于模型组（ Ｐ＜ ０．０５）,且前者学习记忆能力缺损轻于后者（ Ｐ＜ ０．０５）。提示补肾益脑、活血化瘀中药通过降低局部ＥＴ而改善脑梗死的结局     

基于航迹推演的船舶动态智能避碰方法

针对受限水域船舶动态智能避碰问题,将航迹预测与改进速度障碍相结合,提出一种船舶动态智能避碰方法。建立两船相对运动模型并实时计算船舶避碰运动参数,基于三自由度船舶操纵运动数学(MMG)模型和Kalman滤波算法分别预测本船(OS)和目标船(TS)下一时刻运动状态;然后结合《国际海上避碰规则》(简称《规则》)、良好船艺、航迹预测模型、速度障碍算法和航向控制系统等分析设计船舶动态智能避碰决策模型;通过仿真试验验证动态智能避碰决策模型的可行性和有效性。结果表明：该算法可满足受限水域两船和多船复杂会遇局面下船舶智能避碰,实现动态避碰条件下的船舶安全航行。