一类非线性控制系统的一种仿真方法

对于一类含有一个典型非线性环节的非线性连续控制系统的数字仿真，基于广义增广矩阵法的原理，通过分段建立等效线性化模型，给出了一种新的仿真方法。该方法精度较高且计算量较小。     

基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析

为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明：影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。     

基于接触问题的桩土相互作用机理

采用子结构凝聚自由度法推导出桩土接触问题的非线性有限元平衡方程,引入接触问题的约束条件,并通过增广拉格朗日乘子法对约束条件进行处理,得到数值计算的迭代格式,进而对桩土相互作用进行非线性数值计算,结果表 明：数值计算结果与实测结果吻合较好,接触问题的引入可以合理地解释桩土相互作用的机理问题。     

可控图像退化对提升机器视觉鲁棒性的研究

现有工业机器视觉设备验证仍主要依赖批量造件,小概率的产品缺陷误判和设备失效风险不容易在投产前被发现和消除。为提升机器视觉系统鲁棒性,充分验证算法和参数不足,需要开发一种可控图像退化模拟系统。此系统能根据工况和设备特性,利用少量样图生成各类具有代表性的退化图像,并对图像退化程度进行精确量化评价。选择评价合适的退化图像对主流机器视觉设备进行鲁棒性验证,从而虚拟但有效地降低设备损坏停机和产品质量风险。另外,对于深度学习视觉应用,此系统也能更贴合工厂环境实现数据增广,优化神经网络模型。     

有限集上全体拟阵的构造方法

对于任意一个有限集S，给出了寻找S上全体拟阵M（S）构成元素的两种简便易行的构造性方法。     

线性定常系统数字仿真的两个算法

本文给出了线性定常系统数字仿真的两个算法。这两个算法的特.占、是速度较快、精度较高、适用性强,便于应用。      

基于条件生成对抗网络的扇区复杂度评估

扇区复杂度作为管制员工作负荷和动态空域配置的重要参考依据，需要事先准确地对其 进行评估。本文针对有监督复杂度数据集存在的小样本问题，提出基于条件生成对抗网络的扇 区复杂度评估框架。首先，构建交通流量、航空器性能和潜在冲突这3类复杂度指标，并结合主观 复杂度等级得到标定样本；其次，利用条件生成对抗网络设计有标记样本生成算法，获得增广数 据集；最后，分别采用逻辑回归、支持向量机和随机森林算法建立复杂度评估模型。以中南区域 扇区为例，从定性和定量的视角验证生成样本的有效性，并在多种训练集配置下对比各模型评估 结果。研究结果表明：条件生成对抗网络在200次迭代后逐步收敛至稳定；生成样本与真实样本 的绝大多数指标在均值上的相对误差小于5%，在标准差上的相对误差大于5%；在多分类评价指 标下，增广数据集对3种模型整体评估精度分别提升11.77%、11.04%和8.34%。本文提出的评估 框架可以在有限数据条件下提高样本多样性，是解决扇区复杂度评估问题的一种有效方法。     

路段环境交通容量优化模型与算法研究

在分析路段环境交通容量主要影响因素的基础上,探讨了路段的污染控制约束条件,以及通行能力约束条件,建立了通行能力和污染控制约束的环境交通容量优化模型,构建了基于增广拉格朗日松弛和辅助问题原则法的模型求解算法.实例结果表明,构建的算法能够快速有效地求解这类环境交通容量优化模型.     

系统仿真增广矩阵法中求取增广矩阵的新方法

对于线性定常系统的数字仿真,增广矩阵法是一个计算精度高、速度快的算法。本文给出了求取增广矩阵的一个新方法。该方法概念清晰,简便实用,揭示了增广矩阵法的一般形式,有助于增广矩阵法的广泛应用。