公路联网收费站布局规划

提出了一种根据收费路网的连通性来确定联网收费范围的新方法和大型网络连通性计算机算法，分析了3种常见的行驶车辆路径辨只方法的适用范围和局限性，探讨了由有向图的节点或边确定收费站和识别站位置的理想方法和基于可能路径辨识的筒化方法，然后，对收费站和标识站布局原则、方法步骤进行了探讨。     

基于Hopfield神经网络的磁浮列车悬浮系统本征非线性特性辨识

磁浮列车的悬浮系统具有本征非线性特性,在轨道不平顺以及非线性负载的作用下,非线性项的辨识和处理能力对于列车的悬浮稳定性具有重要影响。尤其是在轨道刚度较小时,在微小形变的作用下更易影响悬浮稳定性,而发生掉点、砸轨现象。从磁浮列车悬浮系统的非线性动力学建模出发,重点分析非线性项的系统参数辨识,基于Hopfield神经网络来构建误差函数和网络辨识方案。结合参数辨识误差函数和Hopfield网络的标准能量函数,得到相应的网络权值矩阵,并进一步给出相应辨识结果。通过数值仿真分析可以发现,基于本辨识方法所得到的结果与非线性项输出结果误差较小,可较好地拟合状态方程的含参非线性项,验证了辨识模型的可靠性。     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

液化天然气船舶液货泄漏风险评价研究

将风险辩识和风险评估理论运用到液化天然气(LNG)船舶的营运风险研究中,有利于液化天然气船舶在进出港航行以及靠港卸货作业期间的安全生产.相关国际公约和国家有关法规、标准及资料,运用风险矩阵评价方法,结合液化天然气船舶的特点和以往液化天然气船舶以及相关船舶的案例分析,对液货泄漏进行了风险辨识研究,划定了4类风险辨识范围,分别为船舶间碰撞、船舶搁浅、非工艺性火灾、卸货期间的操作失误或设备故障,并对重大风险进行了半定量风险评估.研究认为,液化天然气船舶在航运过程中总共有4个单元20个可能的安全事故(中等风险5个、低风险15个),某些事故发生后果虽然严重,但事故发生概率较低.结合现有安全管理体制,提出事故控制措施.     

基于DEMATEL-AISM的铁路工程建设风险识别影响因素与优化策略研究

铁路工程建设大型化、复杂化和系统化的发展趋势下,潜在的风险因素日益繁多,铁路工程建设高质量和可持续发展之路充满挑战。风险识别作为风险管理的首要环节,是应对和控制铁路工程建设风险的关键,受到项目内外部多方面因素的影响,且现有实践中没有系统的指导,导致风险识别工作易存在疏漏。基于此,通过文献研究和因子分析,提取铁路工程建设风险识别的核心影响因素,运用决策与试验评价实验室和解释结构模型的方法,构建对抗多级递阶结构模型(DEMATEL-AISM),计算铁路工程建设风险识别各影响因素的重要程度及其耦合关系。研究结果表明：铁路工程建设风险识别的效果受到直接层、间接层和根源层3层因素共同作用,其中,危险源监测分析、人员风险意识、风险调查措施、风险应对能力、铁路建设目标、预期风险后果和风险识别技术是影响风险识别结果的关键因素,在铁路工程建设风险管理工作的开展中应重点关注和控制。基于模型结果,分析风险识别影响因素的层级结构及因果关系,并从风险内部控制、项目一体化风险管理体系构建和动态风险预警机制设立3个方面,提出了铁路工程建设风险识别的建议和策略。研究结果有助于提高大型铁路工程建设风险辨识结果的全面性和...     

基于LSTM网络的路面不平度辨识方法

路面不平度的辨识是半主动悬架控制等智能底盘技术的难点,目前缺乏成本低、可靠性高且精确快速的方法。本文提出一种新的基于长短期记忆(long short-term memory,LSTM)网络和时序轮心加速度的实时路面不平度等级辨识方法。该方法利用轮心加速度的时序信号,而非传统的统计特征,基于LSTM网络对时序信号的强特征捕捉能力,无需信号预处理就能快速得到路面分类特征,大大减少辨识算法的计算量,可以实现实时辨识。训练集数据可以通过不同功率谱密度等级的白噪声生成路面,然后通过车辆传递特性获得加速度信号,也可集成试验数据。此方法仅需要一个时域加速度信号,且无需复杂预处理,鲁棒性高,能够实现不同车速、减振器阻尼系数、簧上质量和采样时长下的路面不平度等级的快速辨识。     

增程式电动车的APU控制策略的研究

提出了一种由永磁同步电机和汽油机组成的辅助动力单元(APU)的控制策略.通过仿真与试验选定控制参数.为改善APU的动态和稳态性能,采用模糊控制策略.试验结果表明,本文提出的控制策略能很好地满足增程式电动车的性能需求.     

基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题.[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法.以"育鲲"船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用"育...     

基于解析模型的小样本操纵性KT指数辨识方法

在研究KT操纵响应模型的基础上,求解在连续线性操舵情况下一阶和二阶操纵响应解析模型。直接利用航向角数据构建目标函数,采用基于格雷码和精英选择的遗传算法进行非线性寻优。通过与最小二乘法比较,结果表明该算法能将航向角平均偏差降低约40%。在辨识过程中,调整航向角的时间步长,进行多次辨识验证后得出该方法只需要小样本数据就可进行高效准确的辨识,极大地提升辨识效率。利用不确定度计算原理,在样本存在一定误差的前提下,有效证明该辨识方法的可靠性。     

基于自适应PIDNN的船舶航向模型辨识与控制

在研究PID神经网络控制方案的基础上,提出一种基于自适应PID神经网络的船舶航向控制方案,以对其进行辨识和控制.将自适应PID神经网络引入船舶的航向控制系统中,既具有常规PID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力.仿真结果表明,该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪设定航向并进行有效控制,且具有自适应性和一定的鲁棒性,满足实时控制的要求.