基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

基于支持向量机的多传感器船舶火灾探测技术

针对船舶火灾探测误报率高的情况,为提高火灾探测系统的可靠性,提出一种基于支持向量机的多传感器火灾信息融合方法。经过仿真试验证明,通过多传感器探测数据的有效融合,可以大幅提高火灾探测系统的火灾识别率。     

一种基于无人机倾斜摄影的三维路网提取方法

三维路网是重要的基础地理信息数据,为了快速高效地获取包括路网在内的地表三维模型,可以采用无人机倾斜摄影技术,并设计相应的三维路网提取方法。在对无人机倾斜摄影三维模型、道路特性分析的基础上,提出一种基于无人机倾斜摄影的三维路网提取方法。首先,对无人机倾斜摄影和三维建模方法进行了分析,设计了针对三维路网提取的航空摄影策略和数据处理流程。分析了真实三维模型的构成,并结合道路在材质、形态等方面的特殊性提出了可用于道路提取的三维模型特征。然后,以三维模型中的三角面片为处理对象,开展了相关分割方法研究,消除存在混合地物的面片。利用支持向量机方法和面片的多种特征,进行了道路面片识别。最后,设计了道路面片三维连接方法和道路边缘三维修正方法,实现了面片间的连接以及道路边缘的有效修正。此外,还以北京某地区为例开展实际数据采集、三维建模和三维路网提取试验,介绍了倾斜摄影、控制点验证点数据采集以及三维模型的采集和生产过程;利用所提出的方法进行路网提取试验,得到了该区域的三维路网数据成果,并从定性和定量2个角度对成果进行评价。试验结果表明：所提出的方法可以有效地从倾斜摄影三维模型上提取路网信息,其平面和高程的精度均可满足一般导航等应用的要求。     

基于蚁群算法和群决策理论的动态路径优化研究

文章针对城市交通信号控制中的动态路径优化问题,综合考虑相邻交叉口间距和路段交通饱和度两个参数的影响,提出了一种基于蚁群算法和群决策理论的动态路径优化算法模型,并通过仿真实验,对比分析了该算法模型的有效性。     

基于模糊证据理论的风电场海缆路由方案选择研究

为合理规划风电场海上路由,保障船舶航行安全和节约运营成本,研究了基于模糊证据理论的风电场海缆路由方案选择方法.识别了风电场海缆路由规划的影响因素,建立了海缆路由的3层决策框架.利用模糊隶属度函数对影响因素进行模糊化,并引入置信度建立了置信推理规则库,建立了影响因素与决策变量的模糊转换方法,并引入证据理论对转换后的影响因素进行合成,从而实现海缆路由的最优选择.以浙能风电场海缆路由选择为例,确定了浙能风电场海缆路由的规划方案.结果 表明,该模型能够充分考虑通航安全对风电场海缆路由的影响,且能够解决对通航安全因素模糊推理过程中不能精确描述输出变量的问题,因此,能够为风电场海缆路由方案选择提供定量和可靠的评价工具.      

基于支持向量机的船舶机舱火灾温度快速预测

以船舶机舱为研究对象,采用大涡模拟方法,以FDS软件为平台,计算了不同火灾功率、风机启动时间、风机流速和补风口面积条件下的火场温度变化过程。以FDS的数值模拟数据为样本建立了船舶机舱火灾温度的支持向量机计算模型,为提高模型预测的精确度,利用遗传算法对参数进行寻优。实验表明:应用本文模型预测结果与FDS计算结果基本一致,优于SVM模型以及BP神经网络的预测结果,提出一种快速预测火场温度的工程计算方法。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

基于AIGA-WLSSVM的埋地管道腐蚀速率预测方法

为了降低埋地管道腐蚀影响因素之间的复杂相关性,提高腐蚀预测精度,文中提出一种基于自适应免疫遗传算法-加权最小二乘支持向量机(AIGA-WLSSVM)的埋地管道腐蚀速率预测建模方法,并采用AIGA优化模型参数,进一步提高模型的学习能力和稳定性。最后通过实例分析验证了AIGA-WLSSVM建模方法在埋地管道腐蚀速率预测中的可行性和有效性,为埋地管道的检修与更换提供参考。     

基于碳排放考量的集装箱海陆多式联运模式选择

为使集装箱海陆多式联运模式选择能更符合节能减排的要求,分析碳排放影响因素并建立海陆多式联运碳排放计算模型和运输成本计算模型,在此基础上建立基于碳排放量、运输成本、运输时间的多目标决策模型,通过决策模型进行联运模式的比较选择。以哈尔滨市至泰安市的集装箱海陆多式联运为例,应用以上多目标决策模型得出"铁―海―铁联运"模式为最优方案。     

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法.首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响.实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率.