多类型信息下的网络交通流演化模型

交通信息发布机构提供描述信息和规范信息给不同的出行者，描述信息接收者依据信息和经验更新路径行程时间认知，根据认知选择路径；规范信息接收者仅根据经验更新认知.规范信息遵从者选择推荐路径，非遵从者依据认知选择路径.两类信息遵从率都取决于信息准确度.依据非线性动力学理论分析了模型性质，研究表明，模型不动点存在但是不一定唯一，不动点状态与信息混合使用情况有关.数值试验结果表明，模型不动点与随机用户均衡点不同，以恰当比例混合使用两类信息可提高交通流稳定性.     

电信行业改革实践及其对铁路网运关系调整的启示

我国电信行业与铁路行业同为国有资本控制的重点行业,且都具有以庞大、成网、固定成本高昂为特点的基础设施,电信业的改革历程可为我国铁路改革提供经验借鉴。本文将我国电信业主要改革历程归结为业务分割、区域分割、业务整合、网运分离四个阶段,指出我国电信业改革属于典型的问题导向路径,借鉴电信行业改革经验可知,在我国铁路网运合一模式下,"业务分割"与"区域分割"两种网运关系调整模式不能有效打破垄断,我国铁路应积极探索"统分结合的网运分离"改革路径。     

多特征融合的级联回归人脸对齐方法研究

深度神经网络技术在人脸识别方面已经取得了巨大进步,但是大多数方法只是运用人脸深度特征而并没有分析哪些特征是有效的.为了探索针对人脸识别任务的有效结构化特征,提出了基于多种特征级联回归方法的人脸关键点检测模型,将两两关键点对应的人脸局部特征对之间的结构关系、整张人脸图像的全局表观和关键点对应的局部热图这3种人脸特征融合之后用于人脸对齐任务.实验证明,多特征级联回归法与记忆下降法相比,人脸对齐任务错误率下降了30.17%,与最新的一些人脸对齐模型具有一定的可比性.     

更正声明

本刊2014年11卷第四期(总第64期)正文第2页,右栏第18行,原文公式(1)是“S=1-D=1-(1-R)d=Rd”,现改为:“S=1-D=1-(1-R)d=1-d+Rd”。正文第2页,右栏第19行,原文是“从公式(1)可以看出,这类系统的安全性完全同系统的可靠性成正比”,现改为:“从公式(1)可以看出,当d确定时,这类系统的安全性与系统的可靠性成正相关关系”。     

准比例谐振控制算法在三相逆变电源中的应用研究

非线性负载会在三相车载逆变电源系统中引入谐波,损伤用电设备。为了降低逆变电源输出电压谐波含量,文章研究了基于准比例谐振控制算法的谐波抑制方法 ,主要抑制电源输出的5次和7次谐波。通过仿真模型和实物试验,测试了传统瞬时控制方法和准比例谐振控制方法的差别。结果表明,准比例谐振控制方法既能消除输出电压中的特定次谐波,又可满足系统动态响应性能和稳态精度要求,具有良好的谐波抑制效果。     

车用主动转向液压系统非线性建模与仿真分析

基于非线性状态方程,建立位置反馈PID控制闭环系统Simulink模型,分别对阀控非对称缸及整个闭环系统进行仿真分析;利用AMESim软件建立相同结构及参数模型进行对比,验证了非线性状态方程模型的有效性。结果表明:位置反馈PID控制可改善主动转向液压缸活塞运动方向改变时位移、速度、流量的不对称特性,但压力差异与突变依然存在,并在换向位置出现轻微振荡现象。     

基于非线性Drive-shaft模型的车辆传动系统冲击响应

建立了包含线性与非线性项的车辆传动系统非线性Drive-shaft模型, 应用具有耗散项的拉格朗日方程将非线性Drive-shaft模型转换为当量化的两质量模型, 通过将两端扭转角等效到同一端获得了传动系统的冲击响应方程, 应用Routh-Hurwitz准则分析了冲击响应方程的稳定性, 获得了稳定性参数区间。仿真结果表明: 将非线性阻尼分别设置为0和线性阻尼的1/10、-1/10时, 冲击响应首个峰值的绝对值分别为0.153 9、0.101 4、0.371 6, 当非线性阻尼为线性阻尼的1/10时, 冲击响应的首个峰值的绝对值最小, 这说明正的非线性阻尼有利于冲击响应的衰减; 将非线性刚度分别设置为0和线性刚度的1/10、-1/10时, 获得的冲击响应首个峰值的绝对值分别为0.153 9、0.178 8、0.115 9, 当非线性刚度为线性刚度的-1/10时, 冲击响应的首个峰值的绝对值最小, 这说明负的三次方非线性刚度有利于冲击响应的衰减; 在固定非线性刚度为线性刚度的-1/10的基础上, 将代表非线性阻尼的系数分别设置为0.1、0、-0.1, 获得的冲击响应首个峰值的绝对值分别为0.078 4、0.114 2、0.231 6。可见, 当代表非线性阻尼的系数设置为0.1时, 冲击响应的首个峰值的绝对值最小, 这表明在传动系统线性刚度及线性阻尼的基础上, 设计负的非线性刚度及正的非线性阻尼可以提升传动系统抵抗冲击的性能。      

单桩荷载与沉降关系曲线的神经网络预测方法

本文提出了一个预测单桩荷载-沉降关系曲线的BP神经网络模型。该网络模型包含两级网络，第一级网络以桩长、桩径、桩侧土层的分布情况，桩侧与桩端土层的物理力学指标为输入元，来先预测出单桩的极限承载力及其对应的极限沉降；第二级网络以第一级网络的输入元和输出元作为其输入元，进一步预测各分级荷载下桩的沉降。实际预测精度一般能达到15％以内，且稳定性较好，表明神经网络模型略优于通常的经验公式方法和数值方法。