基于支持向量机的发动机气路故障预诊断

为实现航空发动机气路故障在线预诊断,分析了地空数据链系统中发动机气路参数报文的协议格式,建立了基于支持向量机算法的发动机气路参数在线预测模型。以便携式地空数据链收发系统为硬件基础,构建发动机报文并行处理系统,获取建模所需的训练样本。利用最终误差预报准则确定样本数据嵌入维数,实现时序样本数据的相空间重构。提出自适应网格搜索法优化支持向量机建模参数,获得气路参数在线预测模型,与航路飞机建立地空数据链通信,预测气路参数趋势。预测结果表明:参数低压转子转速、高压转子转速、尾气温度与燃油流量的相对预测误差分别为2.5%、2.1%、1.9%与2.3%,因此,支持向量机模型具有较高预测精度。     

高速铁路线上简支梁桥车桥共振问题初探

本文以单跨和等跨度边疆多跨简支梁桥为对象，探讨高速客车过桥时车－桥耦合振动系统的振动特性。研究中发现，在高速行车下，中小跨度简支梁桥有发生共振现象的可能性；对于按等跨度布置的多跨简支梁桥，在一定速度下又易造成列车的共振。本文对这一问题进行了初步研究，给出了车－桥共振速度与桥梁设计参数和车辆系统振动参数之间的关系。     

250km／h高速铁路轨道不平顺的安全管理

利用根据车辆－轨道耦合动力学思想所建立车辆－轨道垂横耦合模型,在充分考虑多种波长并存的情况下,仿真计算了250km/h高速铁路各种轨道不平顺的管理目标值。计算结果与日本和德国高速铁路轨道不平顺的经验管理目标值基本一致。     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。     

支持向量机对交通流量的预测模型

针对目前交通量预测中所广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,介绍了一种新的预测方法——基于结构风险最小化的SVMR交通量预测模型,经实践证明能够较好地解决道路交通量预测问题。     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

铁道车辆横向能量回馈式主动悬挂鲁棒控制

为保证一类具有参数不确定的铁道车辆横向能量回馈式主动悬挂系统的稳定性,通过引入带有交叉乘积项的二次型调节器,提出了一种鲁棒H∞控制器的设计方法,并对含摄动的悬挂系统模型进行了鲁棒H∞控制器设计.分析了具有参数摄动的能量回馈式主动悬挂系统的能量平衡条件,并在MATLAB/SIMULINK下,对控制系统进行了仿真.仿真结果...     

路面多功能养护车作业工艺的改进

用于沥青路面的多功能养护车对于提高作业效率、减少道路养护工程对交通流的影响具有重要意义,而其作业工艺的优化,特别是对某些传统作业方法的改进将有效提升路面日常养护作业的质量和效果。基于实际工程应用的经验和相关数据,对养护车沿用的传统工艺和做法提出了改进意见。     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

适于营运车辆超速时空特征分析的改进DBSCAN算法

营运车辆的超速违法行为具有较大的危害性,分析其超速的时间和空间分布规律,对于加强道路运输安全管理具有重要意义.鉴于此,提出一种适于营运车辆超速时空特征分析的改进DBSCAN算法,通过添加时间半径达到对时间维度的支持,对营运车辆超速多发点在时空维度上进行聚类,揭示营运车辆超速违法行为的时空分布特征.然后在广东省重点车辆监控平台上对算法进行验证.实验结果表明,该算法能够快速对超速数据进行时间和空间维度的聚类分析,有效完成超速路段和时段的排查,为查找营运车辆超速常发路段和时段提供了新的分析方法.