区域公共物流中心规模和选址问题

阐述了中国发展区域公共物流中心（Region Public Logistics Center,RPLC)的必要性和必然性,即区域经济的发展将增加不同区域间的物流量,同时它也会大大促进城市化进程,从而产生区域内部的交通和环境问题,进而限制区域经济的发展和降低人民的生活质量,RPLC的建设有益于形成高效的物流系统体系和有利于信息流的管理利用。给出了优化RPLC规模和选址的数学模型,并采用非线性规划和排队理论对模型进行了推导,最后给出了求解该问题的遗传模拟退火算法和应用实例。     

有时间约束旅行商问题的启发式遗传算法

有时间约束的旅行商问题作为旅行商问题的拓展,是一个重要的NP难题,深入研究这一问题具有重要的理论和实践意义。将时间窗约束转化为目标约束,采用序列编码设计了基于启发式规则的可同时处理软、硬时间约束的遗传算法——2-交换变异的遗传算法和3-交换变异的遗传算法。实验表明HGA1优于简单遗传算法(SGA),HGA2优于HGA1。     

遗传算法在零极点辩识中的应用

介绍了遗传算法的基本愿理,给出了遗传算法在零极点辩识中系统时延、零极点辩识的实现步骤,在种群进化过程中采用基因流代替突变算子,仿真结果说明了该方法的有效性和实用性,并说明该方法能有效地避免算法早熟收敛.     

基于索网找形的吊弦长度计算方法探讨

在总结现有吊弦计算方法的基础上提出一种新的计算方法,阐述了新方法的基本理论基础和计算流程.最后对2种方法优缺点进行了总结.本文提出的新方法对传统的计算方法的不足进行了弥补,有理论指导意义.     

猎豹智能车无人驾驶系统总体设计

介绍猎豹智能车无人驾驶系统总体设计及其硬件和软件的设计特点和实现方法。系统采用机器视觉来识别高速公路车道线,利用拟人控制算法来实现车辆自动驾驶控制,最高时速为95km/h的初步试验结果验证了系统的可行性。     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤,一是压缩 AIS 数据,二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法,只考虑船舶轨迹的压缩形状,忽视了船舶航行中其他重要信息。为解决此问题,把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面,传统谱聚类方法只对船舶轨迹的位置进行相似性度量,没有考虑船舶轨迹的其他维度,针对此问题,提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量,引入Calinski-Harabasz指标评价谱聚类算法,实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究,并与传统谱聚类算法做比较实验。实验结果表明,利用该方法提取到的典型轨迹符合真实水域的交通情况,相较于传统谱聚类方法具有更高的聚类质量。     

基于P1R3逻辑控制的车辆制动防抱死系统仿真研究

分析了车辆防抱死装置上广泛使用的P1R3逻辑控制算法,将这种逻辑门限控制算法与轮速计算中的精度自适应方法相结合,在不同路面附着系数下进行制动过程的动态仿真模拟,证实这种算法能满足防抱死制动控制的要求,尤其是在保证高速、低速的计算精度的同时,能有很好的低速控制实时性。     

动力总成悬置系统建模与解耦优化

将悬置看作弹簧阻尼元件,优化动力总成悬置系统的刚度矩阵,从而合理布置各阶频率,使模态间振动解耦。通过Maxwell力学模型求解悬置的频变特性和幅变特性,并建立含该力学模型的整车刚柔耦合动力学模型。计算出的整车系统振动响应表明,解耦优化后的悬置系统明显改善了悬置系统的隔振效果。     

基于改进 BiLSTM 网络的地铁车轮磨耗预测模型

针对地铁车轮磨耗数据时间跨度较长引起的长期依赖问题,为了进一步提升预测精度,提出一种将麻雀搜索算法(sparrow search algorithm,SSA)优化双向长短期记忆网络(bidirectional long short term memory,BiLSTM)的改进 BiLSTM(SSA-BiLSTM)网络模型,用于地铁车轮磨耗预测。首先,利用麻雀搜索算法对双向长短期记忆网络算法的神经元个数、迭代次数、输入批量和学习率等超参数在给定范围内进行寻优,得到参数最优值;然后,以参数最优值来构建改进 BiLSTM 网络模型,对车轮磨耗进行预测分析;最后,以车轮踏面磨耗和轮缘磨耗作为研究对象,将某地铁 1 车厢 1 号车轮的现场实测历史磨耗数据作为输入,对该模型进行训练及验证分析,并与多层感知机(multilayer perceptron,MLP)、LSTM、BiLSTM 以及 SSA-LSTM 模型的预测结果进行对比。研究结果表明：SSA-Bi-LSTM 模型的车轮磨耗预测精度更高,与 LSTM、BiLSTM 以及 SSA-LSTM 网络模型相比,踏面磨耗的平均绝对百分误差(mean absolute percentage error,MAPE)分别降低了 13.28%、10.32%、1.47%,轮缘磨耗分别降低了 9.5%、0.46%、0.02%;分别对同一地铁 2 号、4 号车厢的 1 号位置车轮磨耗进行预测,并与磨耗实测数据进行对比,踏面磨耗的平均绝对百分比误差分别为 1.34%、1.42%,轮缘磨耗的平均绝对百分比误差分别为 0.18%、0.19%,验证了本文所提模型具有良好的泛化性,为地铁轮对智能化管理提供理论支持,延长车轮使用寿命。     

基于蚁群算法的城市公交线网模型优化方法研究

蚁群算法是一种求解组合优化问题的新型通用启发式方法,城市公交线网模型优化是一个复杂的非线性组合优化问题.本文将蚁群算法用于城市公交线网模型优化问题的研究,建立了城市公交线网的数学模型,该模型以乘客公交总出行时间最短与公交运营投入最小为目标函数,并在此基础上设计了相应的算法.算例证明了该算法在城市公交线网优化中应用的可行性和有效性.