电动汽车电排用浸塑聚氯乙烯老化研究及寿命预测

通过热老化试验,研究老化温度与老化时间对电动汽车电排用浸塑聚氯乙烯(DPVC)断裂伸长率、质量变化率和绝缘电阻的影响.通过试验数据分析和拟合,建立不同温度下老化时间和断裂伸长率、质量变化率之间的函数关系;结果表明,绝缘电阻失效时间与质量损失降至50％时的临界时间较为接近,在实际使用过程中,可以DPVC质量损失作为其绝缘...     

基于数据挖掘的高速公路建设项目投资额预测研究

在分析了高速公路投资额与其各影响特征之间关系的基础上，构建了基于BP神经网络的高速公路建设项目前期投资额预测模型，并通过案例验证了模型的实用性和准确性。研究成果可为高速公路建设项目前期科学合理制定投资计划提供决策支持，为项目建设早期做好资金规划提供依据。     

新线接入条件下的城市轨道交通网络起讫点客流量预测模型

新线接入将导致城市轨道交通网络连通性等特征发生一定的变化,影响相关线路的客流分布,进而需要对客运组织和行车组织做出调整.分析不同类型新线接入的影响,采用站点进出站客流量数据来表征土地利用变化,通过站点分类与匹配,构建站点进出站客流量预测模型;在此基础上,对网络起讫点矩阵进行区域划分,结合每个区域客流的特点,分别构建相应的客流起讫点预测模型,并以深圳地铁11号线接入作为实际案例,来验证模型和方法的有效性和适用性.验证结果表明,新线接入后的客流分布预测以及客流影响评估,有助于运营管理部门分析掌握新线接入后的实际客流变化情况,以制定与优化相关线路的运输组织方案.     

城轨新线客流成长期进出站量短时预测研究

为准确掌握城轨新线开通初期客流演化态势、提高运输组织合理性,针对新线客流变化不稳定、缺乏历史客流数据等问题,提出城轨新线客流成长期进出站量短时预测方法。通过对新线站点进出站量变化规律的分析,基于改进模糊C均值聚类算法,对考虑客流趋势相似性的城轨站点类型划分方法进行研究,并提出城轨新线站点历史数据库构建方法;基于趋势距离对近邻匹配机制进行优化,并根据多元统计回归对K近邻算法进行改进,提出新线站点客流成长期进出站量短时预测方法;结合广州地铁客流数据,对预测方法的有效性进行验证。研究结果显示:新线站点客流成长期内短时进、出站量平均预测效率较既有方法增加了35.68%、32.23%,预测精度较既有方法增加了38.32%、25.80%。     

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域，研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络，通过学习交汇水域船舶的历史轨迹，以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征，LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择，从而形成船舶轨迹与航行意图识别模型。同时，引入Dropout网络结构描述该模型的预测不确定性，采用随机关闭CNN+ LSTM核心网络部分神经单元的方式，以相同轨迹序列作为输入获取多组相近的预测结果，根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验，创建了该交汇水域船舶航行轨迹数据集，以输入时长60 min，采样频率3 min作为输入条件，Dropout值取0.5，实验结果表明:所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile，航行意图识别准确率达87%，不确定性估计覆盖率达85.7%。与LSTM预测方法相比，当船舶操纵性发生改变时，所提CNN+LSTM模型的轨迹预测误差降低了31.6%，而且兼具船舶航行意图识别及预测不确定性估计能力，有利于智能航行与海事监管技术发展。      

Residual life prediction for marine diesel turbocharger based on Wiener process北大核心CSCD

[目的]针对船舶柴油机增压器难以收集到全生命周期性能退化数据的问题,提出一种基于维纳过程的寿命预测模型。[方法]首先,采用K-Means模型对增压器实际运行工况进行聚类,提取出典型工况数据;然后,使用贝叶斯突变点检测模型识别增压器的缺陷点;最后,建立基于维纳过程的退化模型,并以某型船用柴油机增压器为应用对象,预测增压器的剩余使用寿命。[结果]结果显示,基于维纳过程的寿命预测方法能够在不需要同类设备历史退化数据的情况下对增压器的剩余寿命进行预测。[结论]所提方法对缺少故障样本的船舶柴油机增压器寿命预测具有一定的参考价值。     

基于模型预测控制的无人艇VO避障

在高速行驶中,无人艇速度快、反应时间短,为了达到安全避障的要求,避障算法必须实时性好、稳定性高。同时,在高速场景中,无人艇的静浮力较小,流体升力较大,风浪流对无人艇的影响较低速场景更加显著,稳定的航迹跟踪与避障控制面临挑战。为了达到良好的避障效果,无人艇必须要满足控制量的约束,同时要削减外界扰动带来的不利影响。无人艇控制系统是一个多输入多输出系统,而模型预测控制则是处理多变量约束优化问题最有效的方法之一。本文提出基于模型预测控制的无人艇VO避障算法,通过仿真实验实现了该算法的避障功能,并将该算法与传统的VO算法避障效果作对比,验证了该算法的有效性,同时,通过分析模型不确定性对该避障算法性能的影响,证明了该算法的鲁棒性。     

基于数据分析的铁路列车到达晚点预测模型

准确估计列车的实际晚点时间对于列车运行图制定、列车调度员决策具有重要意义。为此,以荷兰铁路列车运行实际数据为研究基础,根据列车实际运行数据选择自变量,以列车的实际晚点时间为因变量,建立列车晚点的随机森林预测模型,并以BP神经网络模型作为对比,结果表明随机森林模型预测误差稳定,预测精度较高,比传统的神经网络方法取得了更好的预测效果。