中低速磁浮列车上坡牵引策略优化

在建立中低速磁浮列车牵引计算模型的基础上,提出了一种新的上坡牵引策略,该策略相比于传统牵引策略有节时节能的优点。重点分析了该策略节能原理,并以工程实例进行了仿真验证。结果表明：以路段的惰行速度下限为列车到达坡顶的速度,比其他到达坡顶的速度更节时节能。     

基于多传感器的列车空转打滑补偿算法研究

介绍基于脉冲速度传感器和加速度计的测速测距系统。分析了列车空转打滑过程,根据加速度和速度的变化,将空转打滑划分为加速度空转打滑和速度空转打滑;对2种空转打滑的检测算法以及相应的补偿算法进行了详细阐述;运用SCADE进行仿真。结果表明,该算法对空转打滑造成的测量误差有很好的补偿作用。     

一种永磁同步电机声品质主观评价方法研究

对永磁同步电机的稳态信号声品质进行了分析,并以声压级、响度、尖锐度、语音清晰度、波动度、粗糙度和音调度作为评价指标,建立了永磁同步电机声品质评价体系.采用分组成对比较法进行了主观评价,通过Bradley-Terry算法对评价结果进行了优化处理,分别搭建多元线性回归预测模型和MPGA-RBF预测模型,通过预留的检验样本对...     

面向调移车辆数优化的摘挂列车调车作业计划编制方法

调车作业计划是规定车辆如何调移及其作业程序的具体行动计划.提出了在调车钩数最优前提下以减少调移车辆数为目标的摘挂列车调车作业计划编制方法,构建了摘挂列车调车作业计划编制0-1线性优化模型,并设计了基于消逆规则的启发式分支定界算法对模型进行求解.算例表明,所提出的方法能够求解出调车钩数不劣于统筹对口法且调移车辆数更少的调...     

恶劣气象海况下船舶航线的多变量多目标优化建模

气象航线优化是一种复杂的多变量多目标问题.为解决该问题,提出一种可行的船舶气象航线优化方法,以航线转向点和每段航速为优化对象,以船舶特性和动态规避恶劣气象海况为约束条件,以最少航时和最低油耗为优化目标,建立船舶多变量、多动态约束、多目标的气象航线优化模型,并以强度帕累托多目标遗传进化算法为理论基础,构建基于气象海况影响...     

汽车电子液压主动制动系统和控制算法

针对当前电子液压主动制动系统保压时间短、响应慢和控制算法实用性差的问题,提出了一种改进的系统及其控制算法。在主缸和ABS或ESP之间的双管路上分别增加了两个常闭增压阀、减压阀和自锁电磁阀,取消了梭阀,使系统保留了双管路安全设计,实现了掉电保压,同时保证了系统在人工制动模式下的有效性。通过高压储能、双路增压和预制动,缩短了系统响应时间。采用基于距离和减速度的双闭环控制,提高了控制算法的实用性。经过测试,双管路上10 MPa 建压时间为170 ms,控制精度±0.15 MPa;9 m/s²减速度响应时间为180 ms,调节精度±0.1 m/s²;最小安全距离控制在1 ～ 2 m内。结果表明,该系统可以实现任意长时间保压,并且响应较快。控制算法既保证了制动平顺性,同时也提高了行车安全性和道路行车效率。     

考虑时空热度的共乘匹配问题建模及求解

在共乘匹配问题中,考虑时空热度对共乘车主收益的影响,构建了以共乘收益和共享路线百分比为优化目标的数学模型,提出了一种启发式多进程进化算法用于求解. 算法根据历史数据采用三次样条插值法和复合辛普森求积法得到预计订单的时空热度,从而预估车主共乘收益. 在进化算法中,根据差异度自适应选择不同的交叉策略,以达到搜索深度和广度的自动平衡. 实验结果表明,该算法与最优化算法(匈牙利算法)比较,在以相同效用矩阵作为输入条件时,本文方法可在较短时间内得到高质量的解,且在处理大规模实例上效果明显,能够高效求解共乘匹配问题.     

基于随机森林算法的内河船舶油耗预测模型

准确的船舶油耗预测模型是船舶实现各项航行优化措施的基础.以长江干线某旅游船为研究对象,通过安装信息采集系统获得了大量的船舶实时营运数据.通过理论分析得出影响船舶油耗的主要因素为风速、风向、水深、水流速度和船舶航速;改进了随机森林建模时参数的设置方法,提出一种变量的重要性测度方法;对去噪处理后数据进行系统抽样并进行归一化处理,得到建模的样本数据;把样本数据按0.7∶0.3的比例随机分为训练样本和测试样本,对训练样本采用随机森林(RF)算法建立油耗预测模型;通过模型预测测试样本的油耗值,与实测数据对比,结果显示预测误差低于6.8%,优于BP神经网络与支持向量机(SVM)的预测结果;分析模型中各变量的重要性顺序为:航速>水流速度>水深>风速>风向,利用偏相关分析得到了单个因素与油耗间的定量关系.     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.