基于神经网络的磁性目标磁矩反演方法

针对磁性目标定位中的磁矩反演问题,提出一种基于神经网络的磁矩反演技术。首先,基于最小二乘原理,建立了磁性目标磁矩反演模型;其次采用Hopfield网络进行了优化求解,并针对模型求解过程中鲁棒性差的弊端,对网络进化策略进行了自适应修正;最后设计了仿真实验对其有效性进行了检验,仿真结果表明利用修正后的网络求解磁矩反演问题结果令人满意,具有一定的实用性。     

基于谱的海浪模拟与谱估计

针对掠海飞行器系统仿真的需要,研究了海浪仿真方法。选取P—M谱作为海浪谱,通过海况确定波谱参数,在波谱仿真带宽内采用频率等分法对其进行分割,根据Longuest—Higgins海浪模拟模型进行仿真,得出了海浪时域波形。并采用Welch法进行波谱估计,从波谱能量度量,仿真精确度达到了99．22％。     

基于神经网络的MUSIC计算方法

MUSIC方法是空间谱估计中经典的子空间方法,这类算法有个共同特点就是要对输出数据的协方差矩阵进行数学分解,其计算量较大,不适合实时处理。因此,文章提出了基于神经网络的高效迭代方法,不需进行数学分解,计算过程相对简单。仿真结果证明了该方法的有效性。     

DRM同步与均衡技术研究

DRM（Digital Radio Mondiale）是世界上唯一非专利的数字广播系统,它为30MHz以下频段的长波、中波、短波广播提供了数字化的标准。同步算法和信道估计作为其关键技术对系统性能有着十分重要的影响,文章提出了适用于DRM系统的符号同步算法、整数倍载波频偏估计算法、小数倍载波频偏估计算法以及时频域联合信道估计和均衡算法,并对这些算法进行了仿真分析。     

基于冗余信息融合的车辆质心侧偏角估计方法

车辆质心侧偏角是表征车辆横向稳定性的重要参数之一,相关的估计方法研究可为整车稳定控制提供重要支撑.为提高车辆质心侧偏角估计效果,提出了一种基于冗余信息融合的质心侧偏角估计方法.分别建立了车辆动力学模型和运动学模型,利用容积卡尔曼滤波算法分别设计了用于车辆行驶状态估计的动力学模型估计器和运动学模型估计器,同时,分析了动力...     

基于改进容量增量分析法的锂电池可用容量估计

针对动力锂电池在使用过程中难以高效准确估计其衰退后可用容量的问题,提出一种不依赖滤波算法的容量增量分析法获取不同型号电池的容量衰退特征,并基于数据驱动的方法搭建可用容量估计模型。首先,分别分析低通滤波与小波滤波在获取容量增量曲线中存在的问题,并对比差分电压值在1、10、20、50 mV时容量增量曲线的形态。其次,采用移动方差算法对不同电压差分值下容量增量曲线的波动性做出评价,确定出峰值特性明显且平滑的容量增量曲线。提取曲线的峰值作为动力锂电池的老化特征,运用斯皮尔曼相关性系数验证老化特征与电池老化状态之间的相关性。然后,引入门控循环单元建立锂电池的可用容量估计模型。最后,将不同老化测试条件下的2类电池老化数据集用于模型验证。研究结果表明:所建立的估计模型能够有效估算锂电池全寿命循环内的可用容量值,2组数据集中测试结果的相对误差除个别值外,多数相对误差值在2%以内;数据组1中,分别选取电池1和电池3测试数据的前50%为训练数据,后50%为测试数据,训练结果绝对误差稳定在0.05 A·h左右,测试结果绝对误差在0.04 A·h左右;对电池2与电池3的全寿命循环可用容量做出估计,结果相对误差稳定在2%左右;数据组2中对电池5、电池6和电池7的全寿命循环可用容量估计结果的相对误差整体亦在2%以内;且模型能够对锂电池循环过程中出现容量再生现象的循环做出4%以内的准确估计,显示出良好的估算精度和泛化能力。     

跨境供应链网络海外仓的鲁棒性选址模型及算法

新经济形态下，全球政治、经济形势瞬息万变，多种人为和自然因素导致商业供应链的生存环境日益严峻. 跨境供应链网络作为典型的时效性和运营环境等都具有极大不确定性的复杂网络，研究其鲁棒性问题具有一定的理论意义和实际应用场景. 首先阐明了跨境供应链网络的内涵，认为海外仓的选址优化是控制网络鲁棒性的重要手段；随后基于最小最大后悔值构建了海外仓的鲁棒性选址模型，利用情景松弛算法对模型进行求解. 算例分析结果证明，所构建的海外仓鲁棒性选址模型及算法适用于跨境供应链网络情景.     

Simulation-based severe weather-induced container terminal economic loss estimation

Container terminals play a critical role in maritime supply chains. However, they show vulnerabilities to severe weather events due to the sea–land interface locations. Previous severe weather risk analysis focused more on larger assessment units, such as regions and cities. Limited studies assessed severe weather risks on a smaller scale of seaports. This paper aims to propose a severe weather-induced container terminal loss estimation framework. Based on a container terminal operation simulation model, monthly average loss and single event-induced loss are obtained by using historical hazard records and terminal operation records as model inputs. By studying the Port of Shenzhen as the case study, we find that the fog events in March lead to the longest monthly port downtime and the highest monthly severe weather-induced economic losses in the studied port. The monthly average loss is estimated to be 30 million USD, accounting for 20% of the intact income. The worst-case scenario is found to be a red-signal typhoon attack which results in nearly 20% decrease in the month’s income. The results provide useful references for various container terminal stakeholders in severe weather risk management.     

基于能量法的跟管钻进最大深度计算及应用

为解决潜孔锤跟管钻进最大深度难以确定的问题，基于能量法分析冲击功与应变能的转换情况，提出跟管钻进最大深度的假设条件和理论计算方法，并结合现有相关技术规范，通过类比法对跟管钻进的地层侧阻力取值进行完善和补充，然后应用相关实例分析和验证。通过研究和验证取得成果如下： 1）采用材料力学能量法理论，提出较系统、全面的跟管钻进最大深度计算方法； 2）给出单一地层最大深度的计算公式和多个地层的计算步骤； 3）提出套管与地层间动摩阻的取值依据和方法； 4）提出中和点概念，得出双冲击器作用下套管柱受到的应变能作用原理； 5）增大冲击功和增加套管壁厚均有利于提高跟管的最大深度，但影响幅度较小。     

A nested recursive logit model for route choice analysis

We propose a route choice model that relaxes the independence from irrelevant alternatives property of the logit model by allowing scale parameters to be link specific. Similar to the recursive logit (RL) model proposed by Fosgerau et al. (2013), the choice of path is modeled as a sequence of link choices and the model does not require any sampling of choice sets. Furthermore, the model can be consistently estimated and efficiently used for prediction.A key challenge lies in the computation of the value functions, i.e. the expected maximum utility from any position in the network to a destination. The value functions are the solution to a system of non-linear equations. We propose an iterative method with dynamic accuracy that allows to efficiently solve these systems.We report estimation results and a cross-validation study for a real network. The results show that the NRL model yields sensible parameter estimates and the fit is significantly better than the RL model. Moreover, the NRL model outperforms the RL model in terms of prediction.