压电式加速度传感器在桥梁健康监测中的应用

桥梁在外部环境的影响下发生随机性振动,且桥梁在沿桥长方向上下振动比较明显。结合实例,介绍了压电式加速度传感器在桥梁健康监测中的应用。     

钢筋网对道路混凝土振动的阻隔及对策

道路工程中,钢筋网下的混凝土往往不容易振动密实,钢筋网对振动能量存在阻隔作用。通过比较振动加速度的层间差异和测定分层密度等方法,研究振动能量在混凝土中(钢筋网上、下)的传播情况。研究表明:经过单层钢筋网的阻隔,振动能量在水平方向上约衰减12%,竖直方向上约衰减19%;振捣棒周边混凝土的硬化状态对振动能量的传播有一定影响;钢筋网的存在对其上混凝土的密实无显著影响,对其下混凝土则影响较大;振动频率和振动延续时间是影响振动能量衰减系数的关键因素,适当的增大振动频率、延长振动延续时间可以有效的抑制能量衰减。     

基于广义互相关和多项式拟合的TDOA时延估计方法

广义互相关方法在TDOA时延估计中具有较高的精度和程序容易实现等优点而被广泛采用.为进一步提高时延的估算精度,在广义互相关的基础上,融入多项式拟合方法,寻求广义互相关函数的精确峰值位置,将时延估计精度推进到亚采样点级别.通过Matlab仿真分析及实测数据的算法验证,结果表明,在广义互相关方法中融入多项式拟合方法,能大大提高时延估计精度,且算法复杂度低,易于工程实现.     

基于相似性优化模型样本的实车锂电池健康状态分析

为更好地解决电动汽车动力电池健康状态（SOH）在线估计问题,减少实车采集数据中的冗余样本,改善运行工况不稳定导致的特征丢失,提升实车电池SOH估计的精度,提出一种基于增量容量分析方法（ICA）提取特征和动态时间规整（DTW）优化特征样本的SOH估计方法。首先对实车电池充电循环数据应用增量容量分析提取电池IC曲线,以曲线峰高度等形状特征作为健康因子。采用动态时间规整作相似性判据,基于IC曲线形状计算电池充电循环样本的相似度,保留与基准充电循环相似的充电循环数据,优化训练样本,最后采用全连接神经网络（MLP）模型进行SOH估计。以实车运行电池数据进行对比实验,结果表明该方法可明显改善训练样本质量,提升电池SOH估计精度。     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

基于旅客出行意图的航线潜在价值计算模型

传统的航线价值计算通常以统计客流量为主,忽略了旅客偏好对航线潜在价值的影响,因此,本文提出了一种基于旅客出行意图的航线潜在价值计算模型.该模型利用最大似然估计法对旅客舱位偏好进行量化,然后引入出行意图的概念将旅客出行行为进行细分,并利用Gibbs Sampling方法实现出行意图的求解,最终达到航线潜在价值计算的目的.在中国民航旅客订票数据集上的实验表明,本文方法获得的2010年航线价值序列与2011年航线价值序列的相似度要明显高于统计客流量的方法,且对排名前5的高价值航线的挖掘准确率可达100%.     

列车荷载下钢轨振动加速度的空间分布特征

为了探究列车通过时钢轨振动的基本参数和敏感区域,基于多体动力学软件GENSYS和有限元软件ABAQUS,分别建立车辆-轨道动力学模型和轨道-下部基础有限元模型.以动力学模型计算得到的轮轨力为激励,输入轨道-下部基础有限元模型,计算分析车速、轨道不平顺和钢轨支承方式等因素对钢轨加速度的影响.研究结果表明:钢轨加速度从轨头到轨底逐渐减小,轨枕上方轨头加速度明显大于轨枕之间.钢轨加速度对车速最为敏感,车速从200 km/h增加到350 km/h时,无砟轨道轨头加速度从1.476 km/s2增加到2.980 km/s2.连续支承式无砟轨道,钢轨加速度小于传统离散支承式无砟轨道.加速度传感器建议安装在轨头外侧,传感器的采集频率、量程应考虑列车速度、轨道不平顺等影响.      

基于卡尔曼滤波的快时变稀疏信道估计新技术

针对高铁以及山区环境下正交频分复用（orthogonal frequency division multiplexing,OFDM）通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型（basic expansion model,BEM）,应用压缩感知（compressed sensing,CS）理论进行稀疏时延估计,并应用卡尔曼滤波（Kalman filter,KF）技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比（signal to noise ratio,SNR）条件下,随着归一化多普勒频移（frequency-normalized Doppler shift,FND）增大,新方法的信道估计均方差（mean square error,MSE）性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.      

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

基于BP神经网络的电池容量估计

电池充足的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站按照要求每年进行例行核对性放电,该方法人工成本较高。本文提出一种基于BP神经网络的电池容量估计算法,利用大量的电池放电过程中电压变化数据建立电池模型,实现对电池容量的估计。