无人救生船的结构设计与航迹优化研究

为了改善无人救生船在夜间航行的安全性问题,缩短救援所需的时间,需要提高无人船在夜间航行的适应力并对其航迹进行优化.本文提出一种考虑多种结构相互配合的新型结构无人船,同时将改进粒子群优化算法运用于航迹优化,对算法的重要参数以及易陷于局部最优的不足进行改进.仿真结果表明,与传统无人救生船搜救模型相比,本文提出的新型无人救生船结构与航迹优化方法能切实保障夜间救援的安全并减少航行时间.     

面向车身数字化工艺开发的多机器人避障算法

在汽车行业制造流程快速向“数字化”与“智能化”转型的背景下,制造工艺自动开发技术获得学术与产业界的广泛重视。针对车身制造过程多机器人工位中自动化工艺路径规划问题,提出基于智能化算法的多机器人系统避障与协调规划算法。针对现有机械臂在复杂多障碍物环境中局部路径规划时间长的问题,提出改进的APF-RRT*的机器人避障方法,缩短算法的迭代次数以及路径的总长度,实现局部路径的优化,提高局部避障算法的搜索效率。     

动车组WTDS轴温数据的深度挖掘及应用

为进一步对系统动车组车载信息无线传输系统(WTDS)中已有的数据进行深度剖析,总结规律、开发应用,针对WTDS的轴温数据,设定更全面的阈值线,采用标准曲线比样法以及多元非线性回归等数学算法,建立了轴温数据分析预测模型.基于CRH5A型动车组的实际轴温数据,采用上述预测模型预测其未来轴温并进行故障判别,结果表明:该分析预...     

Kohonen神经网络的VC实现及测试

Kohonen神经网络能够模仿人脑特征进行自组织学习,并能根据其学习规则,对输入模式自动进行分类。文章通过对Kohonen神经网络模型的研究,运用VC语言实现其算法,并完成对该神经网络分类功能的测试。     

基于行程时间累积分布曲线的微观交通仿真模型参数标定

仿真模型参数标定是微观交通仿真技术科学应用的前提,以单个集计点作为校核目标制约了参数标定结果的可移植性.将校核对象拓展为多点组成的曲线,提出以行程时间累积分布曲线作为校核对象的模型参数标定思路,并结合动态时间规整算法(DTW算法)重新设计校核目标函数,提出基于Kolmogorov-Smirnov检验(K-S检验)、信息...     

蚁群算法优化的神经网络技术在跑道起飞容量预测中的应用

为了对机场起飞容量及飞机全部出动时间进行预测,构建了基于ACO优化BP神经网络的机场跑道起飞容量预测模型。分析了机场跑道容量的含义及其影响因素,利用飞参提取软件将影响因素的具体数值进行提取;依据BP神经网络的特点将其引入到机场跑道起飞容量预测中,为了弥补BP神经网络的缺点,利用ACO对网络进行优化,最终建立了基于ACO优化BP神经网络的机场跑道起飞容量预测模型,并与标准BP神经网络的预测结果进行对比,结果表明优化后的网络各项误差都不同程度的减小40%～60%,优化后的网络提高了模型的精度。利用优化后的模型分析了飞机质量、气温、气压、风速与起飞跑道占用时间与起飞容量的关系,并对某机场保障飞机起飞容量与出动时间进行了评估,得到飞机质量、气压、纵向风速与起飞容量大致呈线性关系,气温与起飞容量大致呈非线性关系,最后得到该机场的总出动时间与起飞跑道容量,可以更准确的评估机场保障能力。     

基于等效因子的Q学习燃料电池汽车能量管理策略

为提高燃料电池混合动力汽车（FCHEV）燃料经济性以及维持蓄电池能量平衡,该文提出了基于等效因子的Q-learning算法的能量管理策略。构建等效耗氢量最小与维持蓄电池荷电状态（SOC）平衡的目标函数,建立FCHEV动力源能量流转化平衡模型,通过能量转化平衡机理得到耗氢量的等效因子;在城市循环+全球轻型汽车测试循环（UDDS+WLTC）工况下,对需求功率的转移概率矩阵进行求解,利用Q-learning算法离线优化燃料电池和蓄电池的输出功率;基于MATLAB/Simulink平台建立了前向仿真模型,进行整车性能的仿真试验。结果表明：在WLTC循环工况下,该策略的100 km等效耗氢量为0.730 kg,接近基于动态规则（DP）控制策略的耗氢量,且SOC保持在合理的范围内,验证了该策略的有效性;在西宁市实际工况下,验证了本文所提控制策略的适应性。     

基于拉格朗日松弛算法的应急物流配送车辆调度模型优化研究

大型突发事件的应急物流具有多货物多起止点网络流、多种运输方式转换及对运输时间限制的特点.文中根据应急物流的特点设计一种描述车辆调度问题(V RP)的多模式分层网络,通过划分时间段和延期费用构建多目标VRP数学组合优化模型,并采用拉格朗日松弛算法将该问题分解为2个子问题分别进行优化,最后通过算例验证该优化模型的有效性和收...     

基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法

为实现汽车碰撞试验假人响应曲线数据集的类别辨识,研究了面向智能优化算法的问题转换与构造方法。针对假人曲线数据的特征处理与分类过程,提出了一种基于社会蜘蛛粒子群优化算法（SSI-PSO）的碰撞试验多变量时序数据特征选择与分类方法;利用汽车碰撞试验采集的假人曲线数据,测试和验证了该方法。结果表明：本文方法可获得面向假人曲线数据分类的最佳特征组合方式与较小规模的神经网络结构;该方法的假人曲线分类模型性能提升17.5%、分类精度达到96.5%。因而,实现了对碰撞试验假人响应曲线标注信息的有效分类。     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。