基于广义回归神经网络的瓦斯涌出量预测

简要介绍了瓦斯涌出量预测问题和广义回归神经网络（GRNN）的特点,指出与常用的BP神经网络相比,使用广义回归神经网络（GRNN）具有收敛迅速、人为干扰小等优点,适宜用于瓦斯涌出量的预测。并对一个案例进行预测,证明了广义回归神经网络（GRNN）可以满足实际生产的精度要求,较好解决瓦斯涌出量预测的问题。     

列车旅客信息系统车载信息终端设计

介绍车载旅客信息系统中信息终端部分基本构成与配置及主要功能等,阐述了该装置在列车旅客信息系统中工作原理以及在城市轨道交通领域的重要作用。通过地铁列车旅客信息系统试验和运用考核,其性能满足用户要求。     

轨道交通视频技术实验室开坛论道八方专家共议高清视频与网管技术

11月1日,轨道交通视频技术实验室与中国铁道科学研究院科学技术信息研究所联合举办2012年轨道交通视频与安全发展论坛,论坛的主题是高清视频与网管技术研讨.参加这次会议的有铁道部有关司局、各铁路设计院、部分铁路局及客专公司,交通部通信信息中心及北京城轨路网指挥中心也派专家参会,实验室所有成员单位主要技术人员参加了论坛讨论.     

卡尔曼滤波短时交通流预测普通国省道适应性研究

短时交通流预测是提高普通国省道交通运行效率和安全的关键技术之一。普通国省道具有分布地域广、情况复杂的特点,要求短时交通流预测方法具有良好的适应性,然而,针对短时交通流预测算法适应性及其机制的系统性研究尚不多见。选取1种自适应卡尔曼滤波算法,系统分析其适应性和适应机制。获取江苏省徐州市普通国省道路网中8个交通调查站所采集的实际交通流数据开展实例分析,结果表明:在不同的交通流量水平下,所选算法均值预测的平均绝对百分比误差在10.98%~15.92%之间,区间预测的无效覆盖率在5.21%~6.15%之间,表明所选的自适应卡尔曼滤波算法在不同交通流水平下都具有良好的预测性能;对所选算法的参数进行分析发现,算法参数能够随交通流水平的变化而自动调整,具有良好的自适应机制;所选算法能够在预测初期实现有效的性能调整和收敛。      

基于UWB定位的邮轮乘员伴随关系发现算法

准确发现邮轮内部空间乘客之间的伴随关系, 在室内环境安装UWB定位设备开展室内人员定位实验。根据UWB定位的位置数据特点, 提出结合室内位置语义的Hausdorff-DBSCAN算法以聚类邮轮乘员轨迹, 并利用LSTM神经网络对疑似伴随关系对象进行相似度变化趋势的预测。传统的Hausdorff算法在计算轨迹相似度时未考虑轨迹时序一致的问题, 引入位置语义序列能够较好地解决这个问题。改进后的Hausdorff-DBSCAN算法的输入为乘员轨迹数据集, 根据轨迹整体相似度阈值选定聚类半径, 输出具有伴随关系的乘员轨迹聚类结果; LSTM神经网络以定长时间窗口的点邻近度序列为输入, 预测后1个时刻点邻近度值, 结合轨迹相似度阈值和预测结果分析乘员伴随关系的时序变化。利用Anylogic建模单层邮轮室内环境进行乘员仿真得到的轨迹数据验证算法的有效性。改进的Hausdorff-DBSCAN算法的准确率为0.920, 召回率为0.950, F₁值为0.934, 准确率高出对比算法至少5.7%, 召回率高出对比算法至少8.0%, F1值高出对比算法至少6.7%。同时LSTM在预测邮轮乘员之间相似度变化时, 收敛后的误差值能保持在3%~4%左右, 预测结果具有较高的准确性。      

基于不合格品审理的质量信息数据统计分析及应用

介绍基于不合格品审理的质量信息收集、分类、汇总及统计分析工作开展情况。收集产品研制、生产、检验、试验、交付使用等过程中的不合格品审理信息,应用统计工具对其进行分析,发现隐藏在质量信息背后的客观规律,找出共性问题,反馈给设计、生产、采购等环节,实施有针对性的改进,为提升产品质量所用。通过实施统计分析,将质量信息转化为实施改进的决策数据,建立PDCA循环机制,不断提升产品质量,降低故障成本,优化、完善管理流程,提升质量管理效益。     

基于CATIA的地质BIM模型研发及应用

CATIA凭借其优秀的曲面造型能力,广泛应用于市政行业,但其本身并不具备地质建模能力,相关应用也相对较少.现针对地质数据传递困难、地层建立过程复杂等问题,基于CATIA进行地质BIM模型建模方法研究.采用DACE工具箱的克里金模型拟合地质界面数据,结合CATIA软件优秀的曲面造型能力建立地形实体和地质界面,最终提供一种适用性高的地质BIM模型创建方法.结合3DE平台和CATIA的协同设计功能,保证了地质数据的有效传递,增强勘察专业与其他专业的工作协同,较好地解决了岩土相关的实际应用需求.     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

大众奧迪变速器常见故障码解析(五)

(接上期)4.常见故障码P176 D00和P173 E00常见故障码P176D00-挡位促动器4不可控制(4/6挡)和常见故障码P173 E00-分变速器1中的阀1电气故障(图37)其故障现象为变速器进入应急模式车辆彻底不能行驶。该故障现象说明变速器启动了高级别的应急模式,而且说明两个变速器中都存在相应的故障信息了。接下来我们分别分析这两个故障码。     

调距桨轴内油管强度和疲劳寿命分析

对调距桨传动轴内的油管工作状况和受力情况进行分析,对4个关键工况(正车、倒车、稳态1和稳态2)进行较详细的应力和强度计算;根据3S-S-N线图对油管疲劳强度进行可靠性分析;最后,通过油管试样的疲劳试验数据估算油管的S-N曲线,从而进行疲劳寿命预测.文章所采用的方法可为调距桨轴内油管的强度设计和使用寿命计算提供参考.