基于模糊神经网络的柴油机排气噪声预测

应用模糊神经网络FNN（Fuzzy Neural Networks）的模糊推理对噪声数据的预测进行了研究分析。和传统的BP网络方法相比,模糊神经网络具有概念清晰,逻辑清楚,且不会限于局部极小点等特点,实验结果充分证明了这种方法的有效性,并且本文用较小规模的正交试验数据作为训练样本,达到了试验量少效果好的目的。     

焊接预测理论和数值模拟技术的发展

介绍了焊接预测理论和数值模拟技术的最新发展和动向,包括焊接熔池中的流体动力学和传热分析。焊接电弧的传热传质过程,焊接冶金和焊接接头组织性能的预测。焊接变形与应力的预测,焊接接头的力学行为以及特种焊接过程的数值模拟等。     

AIS信息服务平台上线运行 公众可免费获得船舶实时动态数据

<正>2月4日,交通运输部海事局船舶自动识别系统(AJS)信息服务平台上线运行,标志着我国沿海及内河船舶实时动态权威数据正式对社会开放。社会公众可免费通过平台了解航行于我国沿海和内河水域船舶的实时动态数据。初步估算,社会公众可通过平台掌握日均3.5万艘船舶的动态数据,了解船舶交通流密度,并可按需以单船或组合方式查询船舶相关信息,包括船舶实际位置、航速等。同时,平台还集成了船舶劳氏数据信息、港口基本信息,潮汐预测信息、气象信息等综合数据,为用户     

基于DWT-LSTM的航道水位智能预测模型研究

航道水位信息是内河船舶安全通航、合理配载的决策依据之一.为揭示内河航道水位特征、提高短时预测精度,提出了一种基于小波分析(DWT)和长短时记忆(LSTM)的耦合神经网络模型,以汉口水位站为例,验证了模型有效性,并与传统BP神经网络、小波分析-BP神经网络和LSTM神经网络模型进行对比分析.研究结果表明:四类模型均可满足...     

机场轨道交通对陆侧交通分流情况的预测研究

机场轨道交通的发展将是解决机场陆侧交通拥堵问题的主要途径之一.本文首先通过灰色预测模型GM(1,1)对首都机场的陆侧交通量进行预测,得出进出机场的旅客中乘坐机场巴士及出租车的人数.在此基础上,运用排队论的方法,分析机场轨道交通对机场巴士及出租车交通量的分流情况,得出各自具体的分流率和分流量.最后,根据马尔可夫链的方法,对分流情况的发展趋势进行分析,得出其稳定分流率.     

基于动态栅格与隐马尔科夫模型前车换道意图识别

针对前车换道意图识别预测问题,提出基于动态栅格地图与混合高斯隐马尔科夫模型结合的识别预测方法,建立以自车车头中心点为零点的动态栅格地图描述前车的位置信息,基于语义分割的方法获取前方车辆的轮廓特征与车道线,并分析前方障碍车辆的相关运动状态信息.将动态栅格地图与混合高斯隐马尔科夫模型相结合,识别预测前车换道行为.利用可观测...     

基于自然驾驶数据的车辆自适应巡航系统控制方法

在常规的基于模型预测控制自适应巡航系统的算法中,舒适性约束均是采用固定加速度的形式,没有深入考虑不同速度下的加速度极值范围问题,这会导致在追求安全性和速度跟随性情况下,系统加速度和冲击度变化过大,从而降低了驾乘的舒适性。根据NGSIM自然驾驶数据集所得到了车辆的速度-加速度关系,并以此作为加速度的约束目标,将常规模型预测控制的定约束改为随速度变化的变约束,从而达到根据自然驾驶数据提高跟车舒适性的目的,并通过仿真试验验证了该方法的合理性。研究结果表明：该方法可使ACC系统在保证安全跟车和速度跟随的同时,使得加速度和冲击度波动变小;最大冲击度相比定加速度约束的模型预测控制减小了14.96%,可有效改善ACC系统的舒适性。     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...