青岛公交领导做客政务网倾听解答市民关心问题

青岛公交集团公司董事长、总经理徐金龙日前做客青岛政务网,就“公交政策优先,公交服务优秀”等话题与广大市民进行在线交流,倾听市民对公共交通工作的意见和建议,解答市民关心的问题。     

少学时“机械零部件识图”课程的线上线下融合教学模式探讨

"机械零部件识图"是汽车类专业的一门必修专业基础课,本文基于现有"机械零部件识图"在线开放课程资源,探讨线上与线下交互融合教学模式在少学时"机械零部件识图"课程中的应用。     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。     

基于J2EE体系结构的在线考试系统的研究与设计

通过对RUP开发过程及J2EE架构中的多层模型的分析,研究并设计了在线考试系统,克服了传统设计方法的弊端,体现了本设计方法的优越性,为建立性能优良的在线考试系统提供了一条新途径．     

On-line detecting of transformer winding deformation based on parameter identification of leakage inductance

Transformers are required to demonstrate the ability to withstand short circuit currents. Over currents caused by short circuit can give rise to windings deformation. In this paper, a novel method is proposed to monitor the state of transformer windings, which is achieved through on-line detecting the leakage inductance of the windings. Specifically, the mathematical model is established for on-line identifying the leakage inductance of the windings by applying least square algorithm （LSA） to the equivalent circuit equations. The effect of measurement and model inaccuracy on the identification error is analyzed, and the corrected model is also given to decrease these adverse effect on the results. Finally, dynamic test is carried out to verify our method. The test results clearly show that our method is very accurate even under the fluctuation of load or power factor. Therefore, our method can be effectively used to on-line detect the windings deformation.     

基于单片机和Fuzzy技术的液压在线故障监测系统的设计

介绍了基于单片机和Fuzzy技术的液压在线故障监测诊断系统的设计,给出了系统组成和软件设计。该系统以高性能单片机为核心,采用Fuzzy逻辑分析技术实现了液压系统故障诊断的基本结构和知识库的方法,建立了液压系统故障Fuzzy分析的逻辑结构,实验表明,该系统提高了液压系统故障推理的正确性和推理速度。     

基于在线地图交通态势分析的路网拥堵状态识别

为了实现道路网实时拥堵状态识别,以在线地图的历史延时指数为基础,用相邻路段有效拥堵状态发生时间顺序、持续时间阈值和流向流量关系识别传播性拥堵,用拥堵发生频率和持续时间阈值识别单路段系统拥堵,由此确定特定周期内的系统拥堵路段集合Nmax.以其集合范围内相邻路段时刻t的延时指数,以及其邻近拥堵持续时期的皮尔逊相关系数计算传播性系统拥堵程度值DtS;以非传播路段时刻t延时指数计算DtS?;综合前两者得到路网系统拥堵综合程度DtN,并找出该周期内的极限拥堵程度量化值.用Nmax内路段实时延时指数和实时拥堵路段数与极限拥堵状态对应的数值进行比较,计算实时拥堵程度的量化值.经实验证明,该方法能够反映路网系统拥堵形成的规律,实现路网实时拥堵状态的快速识别.     

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.     

08-32捣固车电气系统在线监测与故障诊断系统

在对铁路线路进行封锁施工时, 为解决08 32捣固车出现电气系统故障, 影响线路正点开通的问题, 应用计算机技术和故障诊断理论, 设计了08 32捣固车电气系统在线监测和故障诊断系统。应用表明在线监测功能模块能对08 32捣固车的关键参数实时监测, 故障诊断功能模块能根据故障现象迅速、准确查找出故障部位及故障原因, 说明该系统可行。