车辆路面纵向振动信号再现方法研究

基于自回归滑动平均模型(ARMA)的方法,实现了不同车速和路面条件下的随机振动信号的实验室再现。并对某货车的半主动悬架物理模型进行了路面随机振动信号再现和平顺性试验,通过对实际信号和再现信号的统计数据、累积频率分布(CFD)和功率谱密度(PSD)的效果比较,表明其优点是方法简单、准确度高、周期短、费用低。     

基于频谱分析的汽轮发电机组振源诊断

采用频谱分析技术对某型船用汽轮发电机组进行振源诊断。分析结果表明汽轮机的振动对整个机组有较大影响,指出机组轴系的不对中和轴系动平衡的变化是产生低频特征频率的主要原因。对部分特征频率的传递路径进行分析并给出改进建议。     

Hybrid model for prediction of bus arrival times at next station

Effective prediction of bus arrival times is important to advanced traveler information systems (ATIS). Here a hybrid model, based on support vector machine (SVM) and Kalman filtering technique, is presented to predict bus arrival times. In the model, the SVM model predicts the baseline travel times on the basic of historical trips occurring data at given time‐of‐day, weather conditions, route segment, the travel times on the current segment, and the latest travel times on the predicted segment; the Kalman filtering‐based dynamic algorithm uses the latest bus arrival information, together with estimated baseline travel times, to predict arrival times at the next point. The predicted bus arrival times are examined by data of bus no. 7 in a satellite town of Dalian in China. Results show that the hybrid model proposed in this paper is feasible and applicable in bus arrival time forecasting area, and generally provides better performance than artificial neural network (ANN)–based methods. Copyright © 2010 John Wiley & Sons, Ltd.     

分形理论在油气储运工程中的应用综述

介绍了分形理论的基本思想。综述了分形理论在油气储运工程中多个领域（如油气水多相流流型识别、管道腐蚀评定、管道粗糙表面的分形模拟、管道疲劳裂纹分形研究等方面）的应用和研究成果,并提出了需要深入研究和完善的5个方面。     

城市轨道交通列车噪声预测模型研究

以已建立的城市轨道交通噪声预测模型为基础,提出改进的噪声预测模型。明确了各预测参数,采用对数回归关系确定了各影响因子与等效声级的关系。运用预测模型对长春轻轨噪声进行了预测。通过与实测结果进行比较,预测值与实际结果的误差<1dB(A),表明所提出的预测模型可精确反映长春轻轨的噪声级。     

基于多源数据融合的干线公交车辆 行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合,对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析,其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测,其中改进的SVM模型的平均绝对百分比误差为6.26%,优于ARIMA模型的11.69%,更适用于短距离交叉口间的公交车辆行程时间预测.     

基于LightGBM算法的公交行程时间预测

在城市公交网络运行中,公交车的站点间行程时间会受到道路和环境条件的影响. 本文对公交车运行过程中的车辆速度特征、道路特征及天气特征等进行了分析.建立了基于特征的 LightGBM (Light Gradient Boosting Machine)公交行程时间预测模型,通过调整 LightGBM算法中的相关参数,以分配各个影响特征和因素的权重大小.然后利用天津市某条公交线路 24天的公交车 GPS数据对模型进行了训练和验证,并与基于历史平均值和卡尔曼滤波的行程时间预测模型进行对比.比较结果表明,LightGBM模型在 MAE (Mean Absolute Error)和 MAPE (Mean Absolute Percentage Error)这两个指标上均大幅度优于其他两个模型,说明 LightGBM模型在公交车行程时间预测上具有很好的稳定性和应用前景.     

���ڰ����ij��е�·�г�ʱ��Ԥ��

已有旅行时间预测方法多是针对高速公路、城市快速路和主干道路的路段,而针对城市一般道路,及路径旅行时间预测的研究则相对不足.本文提出一种基于案例的旅行时间预测算法.算法的基本原理为,在轨迹数据建模的基础上,建立动态更新的、包含多个属性的历史旅行样本数据库,然后根据出行时间及环境信息从案例库查找匹配案例,其结果经过一定修正用于预测路径旅行时间.与基于路段的旅行时间预测方法相比,该算法具有较强的鲁棒性和可移植性,受空间路网和数据样本量的影响较弱;并且在相同数据样本量和路网空间覆盖率的情况下,该算法预测精度高于对比算法.     

基于随机重复爬山法的交通状态预测

合理构造影响交通状态网络结构,是实现交通状态预测的前提条件.为克服爬 山法易陷入局部最优的缺陷,提出一种基于随机重复爬山法的交通状态预测方法.对随机 生成的有向无环图迭代运行爬山法得到多网络结构;通过有向边置信度的定义和置信度 阈值的计算,确定了最优贝叶斯网络结构中节点和有向边选取准则;利用最优贝叶斯网 络结构,实现了畅通、平稳、拥挤和阻塞等4 种交通状态的预测并综合评价.分析结果表 明,该方法仅选取时段、节假日等两变量时,对交通状态预测总体准确率超过85%,能够 为高速公路运行状态监测预警和决策分析提供有效方法和数据支撑.     

�����г���λRAIM ������Ԥ�ⷽ���о�

基于北斗导航系统实现列车定位具有显著的性能及成本效益.为确保其符合特定应用需求,需要对定位完好性进行有效监测.立足于对常规接收机自主完好性监测方法进行有效辅助,本文提出一种应用于北斗列车定位的接收机自主完好性监测可用性预测方法.该方法利用北斗导航系统历书信息,结合列车运行计划实施完好性监测离线计算,预先对实际行车过程中可能的完好性状况进行估计,为列车在途定位完好性监测计算提供先验信息,确保定位结果满足应用需求.采用现场试验数据验证了本文所提出方法的预测能力,在基于卫星导航的列车控制等系统领域具有重要的应用价值.